Adattudomány és interdiszciplináris kutatás: Újabb trendek és alkalmazások

Eredeti címe:

Data Science and Interdisciplinary Research: Recent Trends and Applications

Könyv tartalma:

Adattudomány és interdiszciplináris kutatás: Az adattudomány és az interdiszciplináris kutatás legújabb fejleményeinek átfogó feltárását kínálja. A könyv 10 éleslátó fejezet gyűjteményén keresztül mutatja be a gépi tanulás, a kommunikáció, a jelfeldolgozás és az adatelemzés különféle modelljeit, illusztrálva azok jelentőségét a különböző területeken.

Főbb témák:

-Korszerű csapadék-előrejelzés: Bemutat egy gépi tanulási modellt, amelyet arra terveztek, hogy megoldja a több országra kiterjedő csapadék előrejelzésének kihívást jelentő feladatát, bemutatva az időjárás-előrejelzés javításának lehetőségét.

-Effektív felhőadatok klaszterezése: Újszerű számítási megközelítést ismertet a nagyméretű felhőadatok klaszterezéséhez, amely a felhőalapú számítástechnika és az adatelemzés skálázhatóságával foglalkozik.

-Biztonságos járműfedélzeti kommunikáció: A biztonságos kommunikáció kritikus témakörét vizsgálja a járműhálózatokban, hangsúlyt fektetve az üzenethitelesítésre és az adatintegritásra.

-Intelligens öntözés 4. 0: Az intelligens öntözéshez tervezett döntési modell részletezése, amely integrálja a mezőgazdasági szenzoradatok megbízhatósági elemzését a precíziós mezőgazdaság vízfelhasználásának optimalizálása érdekében.

-Okos villamosenergia-felügyelet: Kiemeli a gépi tanuláson alapuló intelligens villamosenergia-felügyeleti és hibafelismerő rendszereket, amelyek hozzájárulnak az intelligens városok fejlődéséhez.

-Elősített tanulási környezetek: A mobil tanulás hatékonyságát vizsgálja a felsőoktatásban, megvilágítva a technológia szerepét a modern tanulási környezetek kialakításában.

-Parti társadalmi-gazdasági tanulmány: Esettanulmányt mutat be a part menti halászközösségek társadalmi-gazdasági körülményeiről, betekintést nyújtva a megélhetésükbe és az előttük álló kihívásokba.

-Szignálzaj-mentesítés: Bemutatja az EKG-jelek zajának eltávolítására szolgáló szűrési technikákat, növelve az orvosi adatok elemzésének és diagnózisának pontosságát.

-Mélytanulás a biomedicinális kutatásban: A mélytanulási technikák feltárása az orvosbiológiai kutatásban, különösen a génazonosítás területén az újgenerációs szekvenálási (NGS) adatok felhasználásával.

-Az orvosi diagnózis gépi tanulással: Az emlőrák gépi tanulási koncepciókat alkalmazó felismeréséről szóló fejezettel zárul, bemutatva a mesterséges intelligencia által vezérelt diagnosztikában rejlő lehetőségeket.