Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Practical Machine Learning for Streaming Data with Python: Design, Develop, and Validate Online Learning Models
Kapitel 1: Eine Einführung in das Streaming von DatenZiel des Kapitels: Einführung der Leser in das Konzept des Streaming von Daten, die verschiedenen damit verbundenen Herausforderungen, einige der realen Geschäftsanwendungen, verschiedene Fenstertechniken sowie die Konzepte von inkrementellen und Online-Lernalgorithmen. Dieses Kapitel hilft auch beim Verständnis des Konzepts der Modellauswertung bei Streaming-Daten und bietet eine Einführung in das Scikit-Multiflow-Framework in Python. Anzahl der Seiten- 35Unterthemen1. Streaming-Daten2. Herausforderungen beim Streaming von Daten3. Konzeptabweichung4. Anwendungen von Streaming-Daten5. Fenstertechniken6. Inkrementelles Lernen und Online-Lernen7. Illustration: Umwandlung von Batch-Lernern in inkrementelle Lerner8. Einführung in das Scikit-Multiflow-Framework9. Bewertung von Streaming-Algorithmen.
Kapitel 2: Erkennung von VeränderungenZiel des Kapitels: Den Lesern zu helfen, die verschiedenen Algorithmen zur Erkennung von Veränderungen/Konzeptabweichungen und ihre Implementierung auf verschiedenen Datensätzen mit Scikit-Multiflow zu verstehen. Anzahl der Seiten: 35Unter - Themen: 1. Problem der Änderungserkennung2. Algorithmen zur Erkennung von Konzeptabweichungen3. ADWIN4. DDM5. EDDM6. Seite Hinkley.
Kapitel 3: Überwachtes und unüberwachtes Lernen für Streaming-DatenZiel des Kapitels: Den Lesern die verschiedenen Regressions- und Klassifizierungsalgorithmen (einschließlich Ensemble Learning) für Streaming-Daten und ihre Implementierung auf verschiedenen Datensätzen mit Scikit-Multiflow näher bringen. Außerdem werden einige Ansätze für Clustering mit Streaming-Daten und deren Implementierung mit Python diskutiert. Anzahl der Seiten: 35Sub - Themen: 1. Regression mit Streaming-Daten2. Klassifizierung mit Streaming-Daten3. Ensemble Learning mit Streaming-Daten4. Clustering mit Streaming-Daten.
Kapitel 4: Andere Tools und der Weg in die ZukunftZiel des Kapitels: Einführung der Leser in andere Open-Source-Tools zur Verarbeitung von Streaming-Daten wie Spark Streaming, MOA und andere. Außerdem wird der Leser über zusätzliche Lektüre für fortgeschrittene Themen der Streaming-Datenanalyse informiert. Anzahl der Seiten: 35Sub - Themen: 1. Andere Tools für die Verarbeitung von Streaming-Daten1. 1. 1. Apache Spark1. 1. 2. Massive Online-Analyse (MOA)1. 1. 3. Apache Kafka2. Aktive Forschungsbereiche und Durchbrüche bei der Analyse von Streaming-Daten3. Schlussfolgerung.
| ISBN: | 9781484268667 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 118 |
Derzeit verfügbar, auf Lager.
