Cantitate/Preț
Produs
Total produse
Vezi coșul
Mobile Data Mining de Yuan Yao

Mobile Data Mining: SpringerBriefs in Computer Science

Autor Yuan Yao, Xing Su, Hanghang Tong
en Limba Engleză Paperback – 13 noi 2018

Structura progresivă: de la concept la implementare definește acest volum tehnic dedicat ecosistemului mobil. Notăm cu interes modul în care autorii Yuan Yao, Xing Su și Hanghang Tong descompun ciclul de viață al minării datelor mobile în etape riguroase: captarea datelor prin senzori de smartphone, reducerea zgomotului, ingineria caracteristicilor (feature engineering) și, în final, arhitectura modelelor predictive. Reținem că această lucrare nu se limitează la teorie, ci prioritizează constrângerile hardware reale ale dispozitivelor mobile.

Considerăm esențială focalizarea pe cele trei piloni de performanță: eficiența energetică, personalizarea și latența scăzută. În timp ce alte lucrări din domeniu tratează datele în mod abstract, acest SpringerBriefs in Computer Science explorează metodologii specifice, precum modelele ierarhice, pentru a proteja capacitatea limitată a bateriei. Complementar lui Mobile Data Mining and Applications de Hao Jiang, volumul de față acoperă zona critică a algoritmilor online (real-time) și a modelelor personalizate, oferind soluții pentru comportamente de utilizator care variază semnificativ.

În contextul operei autorilor, lucrarea reprezintă o aplicație tehnică și nișată a procesării informației, diferențiindu-se de explorările teoretice sau interdisciplinare prin rigoarea algoritmilor prezentați în capitolele dedicate modelelor ierarhice și online. Structura este concisă, cele 7 capitole ghidând cititorul de la procesarea brută a semnalului de senzor către implementări complexe de machine learning capabile să ruleze eficient pe arhitecturi cu resurse limitate.

Citește tot Restrânge

Din seria SpringerBriefs in Computer Science

Preț: 31908 lei

Preț vechi: 39885 lei
-20%

Puncte Express: 479

Carte tipărită la comandă

Livrare economică 06-12 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9783030021009
ISBN-10: 3030021009
Pagini: 58
Ilustrații: IX, 58 p. 22 illus. in color.
Dimensiuni: 155 x 235 x 4 mm
Greutate: 0.13 kg
Ediția:1st ed. 2018
Editura: Springer
Colecția SpringerBriefs in Computer Science
Seria SpringerBriefs in Computer Science

Locul publicării:Cham, Switzerland

De ce să citești această carte

Recomandăm această lucrare cercetătorilor și inginerilor software care dezvoltă aplicații mobile bazate pe date. Veți câștiga o înțelegere profundă a modului în care puteți optimiza algoritmii de machine learning pentru a funcționa în timp real, fără a epuiza bateria dispozitivului. Este un ghid esențial pentru tranziția de la modelele generice la experiențe de utilizare personalizate și eficiente.

Descriere scurtă

This SpringerBrief presents a typical life-cycle of mobile data mining applications, including:
  • data capturing and processing which determines what data to collect, how to collect these data, and how to reduce the noise in the data based on smartphone sensors
  •  feature engineering which extracts and selects features to serve as the input of algorithms based on the collected and processed data
  •  model and algorithm design
In particular, this brief concentrates on the model and algorithm design aspect, and explains three challenging requirements of mobile data mining applications: energy-saving, personalization, and real-time
 Energy saving is a fundamental requirement of mobile applications, due to the limited battery capacity of smartphones. The authors  explore the existing practices in the methodology level (e.g. by designing hierarchical models) for saving energy. Another fundamental requirement of mobile applications is personalization.  Most of the existing methods tend to train generic models for all users, but the authors provide existing personalized treatments for mobile applications, as the behaviors may differ greatly from one user to another in many mobile applications. The third requirement is real-time. That is, the mobile application should return responses in a real-time manner, meanwhile balancing effectiveness and efficiency.
 This SpringerBrief targets data mining and machine learning researchers and practitioners working in these related fields. Advanced level students studying computer science and electrical engineering will also find this brief useful as a study guide. 

Cuprins

1 Introduction.- 2 Data Capturing and Processing.- 3 Feature Engineering.- 4 Hierarchical Model.- 5 Personalized Model.- 6 Online Model.- 7 Conclusions.