کتاب الکترونیکی

داده کاوی علمی: یک دیدگاه عملی

Scientific Data Mining: A Practical Perspective

دانلود کتاب Scientific Data Mining: A Practical Perspective (به فارسی: داده کاوی علمی: یک دیدگاه عملی) نوشته شده توسط «Chandrika Kamath»

اطلاعات کتاب داده کاوی علمی: یک دیدگاه عملی

موضوع اصلی: سازمان و پردازش داده ها

نوع: کتاب الکترونیکی

ناشر: Society for Industrial and Applied Mathematic

نویسنده: Chandrika Kamath

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2009

تعداد صفحه: 304

حجم کتاب: 4 مگابایت

کد کتاب: 0898716756 , 9780898716757

توضیحات کتاب داده کاوی علمی: یک دیدگاه عملی

پیشرفت‌های فن‌آوری دانشمندان را قادر می‌سازد تا حجم وسیعی از داده‌ها را در زمینه‌هایی مانند پزشکی، سنجش از دور، نجوم و فیزیک با انرژی بالا جمع‌آوری کنند. این داده‌ها نه تنها از آزمایش‌ها و مشاهدات، بلکه از شبیه‌سازی رایانه‌ای پدیده‌های پیچیده نیز به دست می‌آیند. آنها اغلب پیچیده هستند و دارای اجزای مکانی و زمانی هستند. در نتیجه، کاوش، تجزیه و تحلیل و درک دستی داده ها غیر عملی شده است. داده کاوی علمی: یک دیدگاه عملی توضیح می دهد که چگونه می توان از تکنیک های حوزه چند رشته ای داده کاوی برای رسیدگی به مشکل مدرن اضافه بار داده در حوزه های علمی و مهندسی استفاده کرد.

شروع با بررسی مشکلات تجزیه و تحلیل در در کاربردهای مختلف، این کتاب مضامین مشترک را در این حوزه‌ها شناسایی می‌کند و از آن‌ها برای تعریف یک فرآیند سرتاسر داده‌کاوی علمی استفاده می‌کند. این فرآیند چند مرحله‌ای شامل وظایفی مانند پردازش تصویر خام یا داده‌های مش برای شناسایی اشیاء مورد علاقه، استخراج ویژگی‌های مرتبط برای توصیف اشیاء است. تشخیص الگوها در میان اشیاء؛ و نمایش الگوها برای تایید توسط دانشمندان.

بیشتر کتاب توضیح می‌دهد که چگونه می‌توان از تکنیک‌های رشته‌هایی مانند پردازش تصویر و ویدئو، آمار، یادگیری ماشین، تشخیص الگو و بهینه‌سازی ریاضی برای وظایف هر مرحله استفاده کرد. همچنین شامل توصیفی از سیستم های نرم افزاری توسعه یافته برای داده کاوی علمی است. دستورالعمل های کلی برای شروع تجزیه و تحلیل مجموعه داده های عظیم و پیچیده؛ و یک کتابشناسی گسترده.

مخاطبان: این کتاب برای پزشکان داده کاوی و دانشمندان علاقه مند به استفاده از تکنیک های داده کاوی در مجموعه داده های خود در نظر گرفته شده است. همچنین برای دوره های پیشرفته در سطح کارشناسی و کارشناسی ارشد در مورد تجزیه و تحلیل داده ها که در بخش های ریاضیات، علوم کامپیوتر و آمار ارائه می شود، مناسب است.

مطالب: مقدمه; فصل 1 مقدمه؛ فصل دوم: داده کاوی در علوم و مهندسی; فصل 3: موضوعات رایج در داده های علمی معدن. فصل 4: فرآیند علمی داده کاوی. فصل 5: کاهش حجم داده ها. فصل 6: ترکیب روش های مختلف داده. فصل 7: افزایش داده های تصویر. فصل 8: یافتن اشیا در داده ها. فصل 9: استخراج ویژگی های توصیف اشیاء. فصل 10: کاهش ابعاد داده ها. فصل 11: یافتن الگوها در داده ها. فصل 12: تجسم داده ها و اعتبارسنجی نتایج. فصل 13: سیستم های داده کاوی علمی; فصل 14: درس های آموخته شده، چالش ها و فرصت ها. کتابشناسی – فهرست کتب؛ فهرست مطالب

Technological advances are enabling scientists to collect vast amounts of data in fields such as medicine, remote sensing, astronomy, and high-energy physics. These data arise not only from experiments and observations, but also from computer simulations of complex phenomena. They are often complex, with both spatial and temporal components. As a result, it has become impractical to manually explore, analyze, and understand the data. Scientific Data Mining: A Practical Perspective describes how techniques from the multi-disciplinary field of data mining can be used to address the modern problem of data overload in science and engineering domains.

Starting with a survey of analysis problems in different applications, this book identifies the common themes across these domains and uses them to define an end-to-end process of scientific data mining. This multi-step process includes tasks such as processing the raw image or mesh data to identify objects of interest;extracting relevant features describing the objects; detecting patterns among the objects; and displaying the patterns for validation by the scientists.

A majority of the book describes how techniques from disciplines such as image and video processing, statistics, machine learning, pattern recognition, and mathematical optimization can be used for the tasks in each step. It also includes a description of software systems developed for scientific data mining; general guidelines for getting started on the analysis of massive, complex data sets; and an extensive bibliography.

Audience: This book is intended for data mining practitioners and scientists interested in applying data mining techniques to their data sets. It is also appropriate for advanced undergraduate and graduate-level courses on data analysis offered in mathematics, computer science, and statistics departments.

Contents: Preface; Chapter 1: Introduction; Chapter 2: Data Mining in Science and Engineering; Chapter 3: Common Themes in Mining Scientific Data; Chapter 4: The Scientific Data Mining Process; Chapter 5: Reducing the Size of the Data; Chapter 6: Fusing Different Data Modalities; Chapter 7: Enhancing Image Data; Chapter 8: Finding Objects in the Data; Chapter 9: Extracting Features Describing the Objects; Chapter 10: Reducing the Dimension of the Data; Chapter 11: Finding Patterns in the Data; Chapter 12: Visualizing the Data and Validating the Results; Chapter 13: Scientific Data Mining Systems; Chapter 14: Lessons Learned, Challenges, and Opportunities; Bibliography; Index

دانلود کتاب «داده کاوی علمی: یک دیدگاه عملی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان