Fundamentals of Big Data Analytics
<U+00BF>Qu ̌es la analt̕ica de datos (masivos)? Se podra̕ definir de manera simple como el descubrimiento de <U+0093>modelos<U+0094> de datos para extraer informacin̤, sacar conclusiones y tomar decisiones. Un <U+0093>modelo<U+0094> puede ser una de las siguientes cosas...
Saved in:
| Other Authors: | , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Fundamentals of Big Data Analytics |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro14241 | ||
| 005 | 20201223000000.0 | ||
| 008 | 181124s2018 ck # g## #001 0#eng#d | ||
| 020 | |||
| 022 | |||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a Fundamentals of Big Data Analytics |
| 246 | |a Fundamentos de analt̕ica de datos masivos | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2018 | ||
| 520 | 3 | |a <U+00BF>Qu ̌es la analt̕ica de datos (masivos)? Se podra̕ definir de manera simple como el descubrimiento de <U+0093>modelos<U+0094> de datos para extraer informacin̤, sacar conclusiones y tomar decisiones. Un <U+0093>modelo<U+0094> puede ser una de las siguientes cosas: Un modelo estads̕tico, el cual es una distribucin̤ subyacente de los cuales se extraen los datos. El uso de datos como un conjunto de entrenamiento para algoritmos de aprendizaje automt̀ico. La extraccin̤ de las caracters̕ticas ms̀ prominentes de los datos y el desconocimiento del resto. Una sn̕tesis de caracters̕ticas Se debe tener cuidado con las consecuencias de la analt̕ica de datos masivos. En conjuntos grandes de datos aleatorios, las caracters̕ticas inusuales ocurren y son el efecto de la naturaleza puramente aleatoria de los datos. Esto se conoce como el principio de Bonferroni. | |
| 650 | \ | \ | |a Ciencia de datos |
| 650 | \ | \ | |a Datos masivos |
| 650 | \ | \ | |a Data science |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Ciencia de datos |
| 650 | \ | \ | |a Datos masivos |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Analt̕ica de datos |
| 650 | \ | \ | |a Analt̕ica de datos masivos |
| 650 | \ | \ | |a Reduccin̤ de dimensionalidad |
| 650 | \ | \ | |a Distribuciones multivariadas |
| 650 | \ | \ | |a Agrupacin̤ |
| 650 | \ | \ | |a Mq̀uinas de vectores de soporte |
| 650 | \ | \ | |a Aprendizaje automt̀ico |
| 650 | \ | \ | |a Data science |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Data analytics |
| 650 | \ | \ | |a Big data analytics |
| 650 | \ | \ | |a Dimensionality reduction |
| 650 | \ | \ | |a Multivariate distribution |
| 650 | \ | \ | |a Clustering |
| 650 | \ | \ | |a Support-vector machines |
| 650 | \ | \ | |a Machine learning |
| 700 | \ | \ | |a Mathar Rudolf |
| 700 | \ | \ | |a Institute for Theoretical Information Technology |
| 856 | |z Fundamentals of Big Data Analytics |u https://virtualpro.unach.elogim.com/biblioteca/fundamentos-de-analitica-de-datos-masivos | ||