Khối lượng dữ liệu được tạo, lưu trữ và truyền đạt giữa các bộ phận công nghiệp, đơn vị kinh doanh và cộng đồng nghiên cứu khoa học khác nhau đang nhanh chóng mở rộng. Những phát triển gần đây trong viễn thông di động và công nghệ tính toán phân tán/song song đã cho phép thu thập và xử lý dữ liệu được tạo ra theo thời gian thực trên các phần khác nhau. Một mặt, internet vạn vật (IoT) được ngành viễn thông di động hỗ trợ kết nối nhiều loại cảm biến khác nhau có thể thu thập dữ liệu không đồng nhất. Mặt khác, những tiến bộ gần đây về khả năng tính toán như xử lý song song trong các đơn vị xử lý đồ họa (GPU) và xử lý phân tán trên các cụm điện toán đám mây cho phép xử lý một lượng lớn dữ liệu. Nhu cầu thiết yếu là khám phá các mô hình quan trọng và suy ra xu hướng từ một khối lượng lớn dữ liệu (được gọi là Dữ liệu lớn) để trao quyền cho các quy trình ra quyết định dựa trên dữ liệu. Các công cụ và kỹ thuật đã được phát triển trong học máy để đưa ra kết luận sâu sắc từ dữ liệu có sẵn theo kiểu có cấu trúc và tự động. Các thuật toán học máy dựa trên các khái niệm và công cụ được phát triển trong một số lĩnh vực bao gồm thống kê, trí tuệ nhân tạo, lý thuyết thông tin, khoa học nhận thức và lý thuyết điều khiển. Những tiến bộ gần đây trong học máy đã có nhiều ứng dụng trong các ngành khoa học khác nhau. Cuốn sách này đề cập đến những tiến bộ gần đây của kỹ thuật học máy trong nhiều ứng dụng ở thành phố thông minh, ngành công nghiệp tự động và các doanh nghiệp mới nổi.

Abstract:

The volume of data that is generated, stored, and communicated across different industrial sections, business units, and scientific research communities has been rapidly expanding. The recent developments in cellular telecommunications and distributed/parallel computation technology have enabled real-time collection and processing of the generated data across different sections. On the one hand, the internet of things (IoT) enabled by cellular telecommunication industry connects various types of sensors that can collect heterogeneous data. On the other hand, the recent advances in computational capabilities such as parallel processing in graphical processing units (GPUs) and distributed processing over cloud computing clusters enabled the processing of a vast amount of data. There has been a vital need to discover important patterns and infer trends from a large volume of data (so-called Big Data) to empower data-driven decision-making processes. Tools and techniques have been developed in machine learning to draw insightful conclusions from available data in a structured and automated fashion. Machine learning algorithms are based on concepts and tools developed in several fields including statistics, artificial intelligence, information theory, cognitive science, and control theory. The recent advances in machine learning have had a broad range of applications in different scientific disciplines. This book covers recent advances of machine learning techniques in a broad range of applications in smart cities, automated industry, and emerging businesses.

Ngôn ngữ:	En
Tác giả:	Farhadi, Hamed
Thông tin nhan đề:	Machine Learning: Advanced Techniques and Emerging Applications
Nhà xuất bản:	IntechOpen
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ Thông tin
Bản quyền:	https://creativecommons.org/licenses/by/3.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/130069
Mô tả vật lý:	230p.
Năm xuất bản:	2018