توضیحات
A hands-on approach to tasks and techniques in data stream mining and real-time analytics, with examples in MOA, a popular freely available open-source software framework.
Today many information sourcesincluding sensor networks, financial markets, social networks, and healthcare monitoringare so-called data streams, arriving sequentially and at high speed. Analysis must take place in real time, with partial data and without the capacity to store the entire data set. This book presents algorithms and techniques used in data stream mining and real-time analytics. Taking a hands-on approach, the book demonstrates the techniques using MOA (Massive Online Analysis), a popular, freely available open-source software framework, allowing readers to try out the techniques after reading the explanations.
The book first offers a brief introduction to the topic, covering big data mining, basic methodologies for mining data streams, and a simple example of MOA. More detailed discussions follow, with chapters on sketching techniques, change, classification, ensemble methods, regression, clustering, and frequent pattern mining. Most of these chapters include exercises, an MOA-based lab session, or both. Finally, the book discusses the MOA software, covering the MOA graphical user interface, the command line, use of its API, and the development of new methods within MOA. The book will be an essential reference for readers who want to use data stream mining as a tool, researchers in innovation or data stream mining, and programmers who want to create new algorithms for MOA.
————————————————————–
ترجمه ماشینی :
رویکردی عملی به وظایف و تکنیکها در استخراج جریان داده و تجزیه و تحلیل بلادرنگ، با نمونههایی در MOA، یک چارچوب نرمافزار منبع باز محبوب و رایگان.
امروزه بسیاری از منابع اطلاعاتی از جمله شبکههای حسگر ، بازارهای مالی، شبکه های اجتماعی و نظارت بر مراقبت های بهداشتی به اصطلاح جریان های داده ای هستند که به صورت متوالی و با سرعت بالا وارد می شوند. تجزیه و تحلیل باید در زمان واقعی، با داده های جزئی و بدون ظرفیت ذخیره کل مجموعه داده ها انجام شود. این کتاب الگوریتم ها و تکنیک های مورد استفاده در داده کاوی و تجزیه و تحلیل بلادرنگ را ارائه می دهد. این کتاب با اتخاذ رویکردی عملی، تکنیکها را با استفاده از MOA (تحلیل آنلاین عظیم)، یک چارچوب نرمافزار منبع باز محبوب و رایگان در دسترس، نشان میدهد که به خوانندگان اجازه میدهد تا پس از خواندن توضیحات، تکنیکها را امتحان کنند.
این کتاب ابتدا مقدمهای کوتاه بر این موضوع ارائه میکند که شامل دادهکاوی بزرگ، روششناسی اساسی برای جریانهای دادهکاوی و یک مثال ساده از MOA میشود. بحثهای دقیقتر همراه با فصلهایی در مورد تکنیکهای طراحی، تغییر، طبقهبندی، روشهای مجموعه، رگرسیون، خوشهبندی و الگوبرداری مکرر دنبال میشوند. بیشتر این فصل ها شامل تمرینات، یک جلسه آزمایشگاهی مبتنی بر MOA یا هر دو است. در نهایت، این کتاب نرم افزار MOA را مورد بحث قرار می دهد که رابط کاربری گرافیکی MOA، خط فرمان، استفاده از API آن، و توسعه روش های جدید در MOA را پوشش می دهد. این کتاب یک مرجع ضروری برای خوانندگانی خواهد بود که می خواهند از داده کاوی به عنوان ابزار استفاده کنند، محققان در زمینه نوآوری یا جریان کاوی داده، و برنامه نویسانی که می خواهند الگوریتم های جدیدی برای MOA ایجاد کنند.
tag : دانلود کتاب یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA , Download یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA , دانلود یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA , Download Machine Learning for Data Streams: with Practical Examples in MOA Book , یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA دانلود , buy یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA , خرید کتاب یادگیری ماشین برای جریان های داده: با مثال های عملی در MOA , دانلود کتاب Machine Learning for Data Streams: with Practical Examples in MOA , کتاب Machine Learning for Data Streams: with Practical Examples in MOA , دانلود Machine Learning for Data Streams: with Practical Examples in MOA , خرید Machine Learning for Data Streams: with Practical Examples in MOA , خرید کتاب Machine Learning for Data Streams: with Practical Examples in MOA ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.