توضیحات
Building and testing machine learning models requires access to large and diverse data. But where can you find usable datasets without running into privacy issues? This practical book introduces techniques for generating synthetic datafake data generated from real dataso you can perform secondary analysis to do research, understand customer behaviors, develop new products, or generate new revenue.
Data scientists will learn how synthetic data generation provides a way to make such data broadly available for secondary purposes while addressing many privacy concerns. Analysts will learn the principles and steps for generating synthetic data from real datasets. And business leaders will see how synthetic data can help accelerate time to a product or solution.
This book describes:
Steps for generating synthetic data using multivariate normal distributions
Methods for distribution fitting covering different goodness-of-fit metrics
How to replicate the simple structure of original data
An approach for modeling data structure to consider complex relationships
Multiple approaches and metrics you can use to assess data utility
How analysis performed on real data can be replicated with synthetic data
Privacy implications of synthetic data and methods to assess identity disclosure
————————————————————–
ترجمه ماشینی :
ساخت و آزمایش مدل های یادگیری ماشینی نیازمند دسترسی به داده های بزرگ و متنوع است. اما کجا می توانید مجموعه داده های قابل استفاده را بدون مواجه شدن با مسائل حریم خصوصی پیدا کنید؟ این کتاب کاربردی تکنیکهایی را برای تولید دادههای تقلبی مصنوعی تولید شده از دادههای واقعی معرفی میکند تا بتوانید تجزیه و تحلیل ثانویه را برای انجام تحقیق، درک رفتارهای مشتری، توسعه محصولات جدید یا ایجاد درآمد جدید انجام دهید. دانشمندان داده یاد خواهند گرفت که چگونه تولید داده مصنوعی راهی برای در دسترس قرار دادن چنین داده هایی به طور گسترده برای اهداف ثانویه فراهم می کند و در عین حال به بسیاری از نگرانی های مربوط به حریم خصوصی رسیدگی می کند. تحلیلگران اصول و مراحل تولید داده های مصنوعی از مجموعه داده های واقعی را یاد خواهند گرفت. و رهبران کسب و کار خواهند دید که چگونه داده های مصنوعی می توانند به سرعت بخشیدن به زمان رسیدن به یک محصول یا راه حل کمک کنند. این کتاب شرح میدهد: مراحل تولید دادههای مصنوعی با استفاده از توزیعهای نرمال چند متغیره روشهایی برای برازش توزیع که معیارهای مختلف خوبی را پوشش میدهد چگونه ساختار ساده دادههای اصلی را تکرار کنیم رویکردی برای مدلسازی ساختار داده برای در نظر گرفتن روابط پیچیده رویکردها و معیارهای متعددی که میتوانید برای ارزیابی سودمندی دادهها استفاده کنید چگونه تجزیه و تحلیل انجام شده روی دادههای واقعی را میتوان با دادههای مصنوعی تکرار کرد مفاهیم حریم خصوصی دادههای مصنوعی و روشهای ارزیابی افشای هویت
tag : دانلود کتاب تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها , Download تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها , دانلود تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها , Download Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data Book , تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها دانلود , buy تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها , خرید کتاب تولید داده مصنوعی عملی: متعادل کردن حریم خصوصی و در دسترس بودن گسترده داده ها , دانلود کتاب Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data , کتاب Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data , دانلود Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data , خرید Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data , خرید کتاب Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.