Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.
Practical Machine Learning for Streaming Data with Python: Design, Develop, and Validate Online Learning Models
1. fejezet: Bevezetés a streaming adatokbaA fejezet célja: Megismertetni az olvasókat a streaming adatok fogalmával, a hozzá kapcsolódó különböző kihívásokkal, néhány valós üzleti alkalmazással, különböző ablakozási technikákkal, valamint az inkrementális és online tanulási algoritmusok fogalmával. Ez a fejezet segít a modellkiértékelés koncepciójának megértésében a streaming adatok esetében, és bevezetést nyújt a Scikit-Multiflow keretrendszerbe Pythonban. Oldalak száma- 35Témakörök1. Folyó adatok2. A streaming adatok kihívásai3. Fogalmi sodródás4. A streaming adatok alkalmazásai5. Ablakolási technikák6. Inkrementális tanulás és online tanulás7. Illusztráció: A kötegelt tanulók átvétele inkrementális tanulókká8. Bevezetés a Scikit-Multiflow keretrendszerbe9. A streaming algoritmusok értékelése.
2. fejezet: VáltozásérzékelésA fejezet célja: Segíteni az olvasókat a különböző változásérzékelési/fogalomeltolódás-érzékelési algoritmusok megértésében, valamint a Scikit-Multiflow segítségével történő megvalósításukban különböző adathalmazokon. Oldalak száma: Témakörök: 35Cikkszám: 35 1. Változásfelismerési probléma2. Fogalomeltolódás-érzékelési algoritmusok3. ADWIN4. DDM5. EDDM6. Page Hinkley.
3. fejezet: Felügyelt és felügyelet nélküli tanulás streaming adatokhozA fejezet célja: Segíteni az olvasókat, hogy megértsék a különböző regressziós és osztályozási (beleértve az Ensemble Learninget is) algoritmusokat streaming adatokhoz, és azok végrehajtását különböző adathalmazokon a Scikit-Multiflow segítségével. Továbbá tárgyalja a klaszterezés néhány megközelítését a streaming adatokkal és annak Python használatával történő megvalósítását. Oldalak száma: Témakörök: 35Csekély - Témakörök: 1. Regresszió áramló adatokkal2. Osztályozás streaming adatokkal3. Ensemble Learning streaming adatokkal4. Klaszterezés streaming adatokkal.
4. fejezet: Egyéb eszközök és a továbblépés útjaA fejezet célja: Bemutatni az olvasóknak a streaming adatok kezelésére szolgáló egyéb nyílt forráskódú eszközöket, például a Spark streaminget, a MOA-t és másokat. Továbbá, az olvasó felvilágosítása a streaming-adatelemzésen belüli haladó témákhoz kapcsolódó további olvasmányokról. Oldalak száma: Témakörök: 35Csekély - Témakörök: 1. Egyéb eszközök a streaming adatok kezeléséhez1. 1. 1. Apache Spark1. 1. 2. Tömeges online elemzés (MOA)1. 1. 3. Apache Kafka2. Aktív kutatási területek és áttörések az adatfolyam-elemzésben3. Következtetés.