Tóm tắt nội dung
Với sự phát triển nhanh chóng của công nghệ, lượng dữ liệu khổng lồ được tạo ra từ các ứng dụng di động, mạng xã hội và cảm biến. Việc làm sạch dữ liệu (loại bỏ nhiễu) và chỉ thu thập dữ liệu liên quan giúp giải quyết vấn đề là rất quan trọng. Phân tích thành phần chính (PCA) là một phương pháp hiệu quả để giảm chiều dữ liệu. PCA thực tiễn và lý thuyết ma trận chuyển đổi đại số tuyến tính thành kết quả ứng dụng thực tế trong công việc. Hầu hết các sách về lý thuyết ma trận và PCA đều chỉ dừng lại ở lý thuyết hoặc bỏ qua hoàn toàn phần toán học. Cuốn sách này kết hợp lý thuyết với các ứng dụng thực tế trong công việc ở nhiều ngành công nghiệp khác nhau. Cuốn sách này rất phù hợp cho sinh viên đại học, sinh viên cao học, các chuyên gia dữ liệu và các nhà lãnh đạo phân tích. Bạn sẽ học cách: • Áp dụng PCA để tách hiệu quả các mục tiêu nhỏ khỏi nền phức tạp trong mô hình Patch-Image hồng ngoại và phiên bản dựa trên tensor của nó. • Dự đoán tội phạm bằng cách sử dụng Phân rã mô hình động (DMD) và mô hình Mạng nơ-ron tích chập bộ nhớ dài hạn ngắn hạn (CNN_LSTM). • Mô-đun SPEC trong xử lý ảnh đa phổ cơ bản bằng cách sử dụng điện toán đám mây với triển khai Google Earth Engine (GEE). • Lý thuyết ma trận kết nối các hệ thống liên tục và rời rạc, hành vi xác định và xác suất, và lý thuyết với ứng dụng. Phương pháp ma trận và PCA là những ứng dụng mạnh mẽ trong môi trường làm việc. Với sự dẫn dắt biên tập từ Giáo sư Carol Anne Hargreaves, chuyên gia về khoa học dữ liệu, trí tuệ nhân tạo và tư vấn công nghiệp, và Giáo sư Balasubramaniam, chuyên gia về toán học, trí tuệ nhân tạo, xử lý ảnh và điện toán lượng tử, cuốn sách này kết hợp chiều sâu lý thuyết với tính ứng dụng thực tiễn trong môi trường làm việc hiện đại với PCA.
Abstract:
With the rapid advancement of technology, large volumes of data are generated from mobile apps, social media, and sensors. It is very important to clean the data (remove noise) and capture only the relevant data that will help solve the problem. Principal Component Analysis (PCA) is an effective method for reducing data dimensionality. Practical PCA and matrix theory translate linear algebra into workplace results. Most books on matrix theory and PCA either stay theoretical or skip the mathematics altogether. This book combines theory with real-world workplace applications across different industries. This book is perfect for undergraduates, graduates, data practitioners, and analytics leaders. You will learn how: • PCA is applied to effectively separate small targets from complex backgrounds in the infrared Patch-Image model and its tensor-based counterpart. • Crime is predicted using the Dynamic Model Decomposition (DMD) and the Convolutional Neural Network Long-Short-Term-Memory (CNN_LSTM) model. • The SPEC module in basic multispectral image processing using cloud computing with Google Earth Engine (GEE) implementation. • Matrix theories connecting continuous & discrete systems, deterministic & probabilistic behaviour, and theory with application. Matrix methods and PCA are powerful applications in the workplace. With editorial leadership from Professor Carol Anne Hargreaves, an expert in data science, AI, and industry consulting, and Professor Balasubramaniam, an expert in mathematics, AI, Image Processing, and quantum computing, this book unites theoretical depth with practical workplace relevance in modern PCA applications.
Sử dụng ứng dụng Libol Bookworm quét QRCode này để mượn và đọc tài liệu)
(Lưu ý: Sử dụng ứng dụng Bookworm để xem đầy đủ tài liệu. Bạn đọc có thể tải Bookworm từ App Store hoặc Google play với từ khóa "Libol Bookworm”)