Analyse et gestion des données de capteurs : Le rôle de l'apprentissage profond

Analyse et gestion des données de capteurs : Le rôle de l'apprentissage profond (A. Suresh)

Titre original :

Sensor Data Analysis and Management: The Role of Deep Learning

Contenu du livre :

Découvrez un aperçu détaillé des méthodes, algorithmes et techniques d'apprentissage profond dans l'analyse des données de capteurs.

Analyse et gestion des données de capteurs : Le rôle de l'apprentissage profond offre un aperçu perspicace et pratique des applications des techniques d'apprentissage profond à l'analyse des données de capteurs. Le livre rassemble des ressources de pointe dans une seule collection conçue pour éclairer le lecteur sur des sujets aussi variés que les techniques récentes de détection et de classification des défauts dans les données de capteurs, l'application de l'apprentissage profond aux capteurs de l'Internet des objets, et une étude de cas sur la collecte et le traitement des données de capteurs par des ordinateurs à haute performance.

Les éditeurs ont réuni un groupe distingué d'articles perspicaces et concis qui montrent le potentiel de l'apprentissage profond en tant qu'outil puissant pour résoudre des problèmes de modélisation complexes dans un large éventail d'industries, y compris la maintenance prédictive, la surveillance de la santé, la prévision des portefeuilles financiers et l'aide à la conduite.

Le livre contient des exemples en temps réel d'analyse de données de capteurs à l'aide d'algorithmes d'apprentissage profond et une approche étape par étape pour installer et former l'apprentissage profond à l'aide de la bibliothèque Python keras. Les lecteurs bénéficieront également de l'inclusion de :

⬤ Une introduction approfondie à l'Internet des objets pour la reconnaissance de l'activité humaine, basée sur des données de capteurs portables.

⬤ Une exploration des avantages des réseaux neuronaux dans l'analyse des données de capteurs environnementaux en temps réel.

⬤ Des discussions pratiques sur la représentation des données par apprentissage supervisé, les réseaux neuronaux pour prédire l'activité physique à partir des données de capteurs de smartphones, et l'analyse par apprentissage profond des données de capteurs de localisation pour la reconnaissance de l'activité humaine.

⬤ Une analyse du boosting avec XGBoost pour l'analyse des données de capteurs.

Parfait pour les praticiens de l'industrie et les universitaires impliqués dans l'apprentissage profond et l'analyse des données de capteurs, Sensor Data Analysis and Management : Le rôle de l'apprentissage profond trouvera également sa place dans les bibliothèques des étudiants de premier et deuxième cycles des programmes de science des données et d'informatique.

Autres informations sur le livre :

ISBN :9781119682424
Auteur :
Éditeur :
Langue :anglais
Reliure :Relié
Année de publication :2021
Nombre de pages :224

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Analyse et gestion des données de capteurs : Le rôle de l'apprentissage profond - Sensor Data...
Découvrez un aperçu détaillé des méthodes, algorithmes et...
Analyse et gestion des données de capteurs : Le rôle de l'apprentissage profond - Sensor Data Analysis and Management: The Role of Deep Learning
Bioinformatique et applications médicales : Big Data à l'aide d'algorithmes d'apprentissage profond...
BIOINFORMATIQUE ET APPLICATIONS MÉDICALES Les...
Bioinformatique et applications médicales : Big Data à l'aide d'algorithmes d'apprentissage profond - Bioinformatics and Medical Applications: Big Data Using Deep Learning Algorithms
Architectures et cas d'utilisation des applications industrielles de l'IoT - Industrial Iot...
Le nombre d'éléments de l'internet des objets (IdO)...
Architectures et cas d'utilisation des applications industrielles de l'IoT - Industrial Iot Application Architectures and Use Cases

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)