دانلود کتاب Clustering Methods for Big Data Analytics: Techniques, Toolboxes and Applications
کتاب روش های خوشه بندی برای تجزیه و تحلیل داده های بزرگ: تکنیک ها، جعبه ابزار و برنامه های کاربردی نسخه زبان اصلی
دانلود کتاب روش های خوشه بندی برای تجزیه و تحلیل داده های بزرگ: تکنیک ها، جعبه ابزار و برنامه های کاربردی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Clustering Methods for Big Data Analytics: Techniques, Toolboxes and Applications
نام کتاب : Clustering Methods for Big Data Analytics: Techniques, Toolboxes and Applications
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : روش های خوشه بندی برای تجزیه و تحلیل داده های بزرگ: تکنیک ها، جعبه ابزار و برنامه های کاربردی
سری : Unsupervised and Semi-Supervised Learning
نویسندگان : Olfa Nasraoui, Chiheb-Eddine Ben N'Cir
ناشر : Springer International Publishing
سال نشر : 2019
تعداد صفحات : IX, 187
[192]
ISBN (شابک) : 978-3-319-978 , 978-3-319-978
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب وضعیت هنر و پیشرفت‌های اخیر در روش‌های خوشه‌بندی کلان داده و کاربردهای نوآورانه آن‌ها در سیستم‌های مبتنی بر هوش مصنوعی معاصر را برجسته می‌کند. فصل‌های کتاب در مورد یادگیری عمیق برای خوشه‌بندی، خوشه‌بندی داده‌های بلاک‌چین، برنامه‌های امنیت سایبری مانند شناسایی تهدیدهای خودی، روش‌های خوشه‌بندی توزیع‌شده مقیاس‌پذیر برای حجم‌های عظیم داده بحث می‌کنند. خوشه‌بندی جریان‌های کلان داده مانند جریان‌های تولید شده از تلاقی اینترنت اشیا، سلامت دیجیتال و موبایل، تعامل انسان و ربات، و شبکه‌های اجتماعی؛ خوشه‌بندی کلان داده مبتنی بر جرقه با استفاده از بهینه‌سازی ازدحام ذرات. و خوشه‌بندی مبتنی بر تنسور برای نمودارهای وب، جریان‌های حسگر و شبکه‌های اجتماعی. فصل‌های کتاب شامل پوشش متعادلی از نظریه خوشه‌بندی کلان داده، روش‌ها، ابزارها، چارچوب‌ها، برنامه‌ها، نمایش، تجسم و اعتبارسنجی خوشه‌بندی است.
فهرست مطالب :
Front Matter ....Pages i-ix
Overview of Scalable Partitional Methods for Big Data Clustering (Mohamed Aymen Ben HajKacem, Chiheb-Eddine Ben N’Cir, Nadia Essoussi)....Pages 1-23
Overview of Efficient Clustering Methods for High-Dimensional Big Data Streams (Marwan Hassani)....Pages 25-42
Clustering Blockchain Data (Sudarshan S. Chawathe)....Pages 43-72
An Introduction to Deep Clustering (Gopi Chand Nutakki, Behnoush Abdollahi, Wenlong Sun, Olfa Nasraoui)....Pages 73-89
Spark-Based Design of Clustering Using Particle Swarm Optimization (Mariem Moslah, Mohamed Aymen Ben HajKacem, Nadia Essoussi)....Pages 91-113
Data Stream Clustering for Real-Time Anomaly Detection: An Application to Insider Threats (Diana Haidar, Mohamed Medhat Gaber)....Pages 115-144
Effective Tensor-Based Data Clustering Through Sub-Tensor Impact Graphs (K. Selçuk Candan, Shengyu Huang, Xinsheng Li, Maria Luisa Sapino)....Pages 145-179
Back Matter ....Pages 181-187
توضیحاتی در مورد کتاب به زبان اصلی :
This book highlights the state of the art and recent advances in Big Data clustering methods and their innovative applications in contemporary AI-driven systems. The book chapters discuss Deep Learning for Clustering, Blockchain data clustering, Cybersecurity applications such as insider threat detection, scalable distributed clustering methods for massive volumes of data; clustering Big Data Streams such as streams generated by the confluence of Internet of Things, digital and mobile health, human-robot interaction, and social networks; Spark-based Big Data clustering using Particle Swarm Optimization; and Tensor-based clustering for Web graphs, sensor streams, and social networks. The chapters in the book include a balanced coverage of big data clustering theory, methods, tools, frameworks, applications, representation, visualization, and clustering validation.