Книга "Метаэвристики для больших данных" посвящена решению технологических проблем, возникающих при работе с большими объемами данных. Авторы книги считают, что эти проблемы могут быть решены с помощью метаэвристик - методов оптимизации, которые позволяют эффективно работать с крупномасштабными задачами и адаптироваться к различным типам данных и контекстам.
В первой части книги авторы вводят концепцию метаэвристик и обосновывают их применение для решения проблем обработки данных. Также представлен протокол оценки производительности алгоритмов. Во второй части книги описываются различные задачи обработки данных, включая кластеризацию, поиск ассоциативных правил, классификацию и выбор признаков. Авторы показывают, как метаэвристики могут быть использованы для решения этих задач.
Книга предназначена для самостоятельного изучения, и в ней описываются все необходимые концепции. Она также предоставляет обзор последних приложений метаэвристик для решения задач обработки данных в контексте больших объемов информации.
This book introduces the reader to Metaheuristics and their application in Big Data and Knowledge Discovery.
Электронная Книга «Metaheuristics for Big Data» написана автором Clarisse Dhaenens в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119347583
Описание книги от Clarisse Dhaenens
Big Data is a new field, with many technological challenges to be understood in order to use it to its full potential. These challenges arise at all stages of working with Big Data, beginning with data generation and acquisition. The storage and management phase presents two critical challenges: infrastructure, for storage and transportation, and conceptual models. Finally, to extract meaning from Big Data requires complex analysis. Here the authors propose using metaheuristics as a solution to these challenges; they are first able to deal with large size problems and secondly flexible and therefore easily adaptable to different types of data and different contexts. The use of metaheuristics to overcome some of these data mining challenges is introduced and justified in the first part of the book, alongside a specific protocol for the performance evaluation of algorithms. An introduction to metaheuristics follows. The second part of the book details a number of data mining tasks, including clustering, association rules, supervised classification and feature selection, before explaining how metaheuristics can be used to deal with them. This book is designed to be self-contained, so that readers can understand all of the concepts discussed within it, and to provide an overview of recent applications of metaheuristics to knowledge discovery problems in the context of Big Data.
