Andere Kunden interessierten sich auch für
![Voorspelling van klantverloop in telecom met behulp van ML in big data-platform]( "Voorspelling van klantverloop in telecom met behulp van ML in big data-platform")
Voorspelling van klantverloop in telecom met behulp van ML in big data-platform18,99 €![Vormzandbeheer voor verbeterde eigenschappen en terugwinning in metalen gietstukken]( "Vormzandbeheer voor verbeterde eigenschappen en terugwinning in metalen gietstukken")
Vormzandbeheer voor verbeterde eigenschappen en terugwinning in metalen gietstukken33,99 €![Advanced Machine Learning Applications in Big Data Analytics]( "Advanced Machine Learning Applications in Big Data Analytics")
Advanced Machine Learning Applications in Big Data Analytics201,99 €![Anwendung von künstlicher Intelligenz, Machine Learning und Big Data in der Medizintechnik]( "Anwendung von künstlicher Intelligenz, Machine Learning und Big Data in der Medizintechnik")
Anwendung von künstlicher Intelligenz, Machine Learning und Big Data in der Medizintechnik17,95 €![Big Data Analytics for Smart and Connected Cities]( "Big Data Analytics for Smart and Connected Cities")
Big Data Analytics for Smart and Connected Cities224,99 €![Health 4.0: How Virtualization and Big Data are Revolutionizing Healthcare]( "Health 4.0: How Virtualization and Big Data are Revolutionizing Healthcare")
Health 4.0: How Virtualization and Big Data are Revolutionizing Healthcare103,99 €![Scalable Privacy-Preserving Big Data Publishing & Mining in Cloud]( "Scalable Privacy-Preserving Big Data Publishing & Mining in Cloud")
Scalable Privacy-Preserving Big Data Publishing & Mining in Cloud23,99 €
We leven in een grote datawereld waar enorme hoeveelheden data als een vloed uit alle windstreken stromen om Data Ocean te paaien. Deze gegevens zijn fascinerend als ze op de juiste manier worden verwerkt, anders is het niets meer dan afval. Een gewoon algoritme is niet bekwaam in het omgaan met deze mammoet dataset, omdat ze geprogrammeerd zijn om te werken op basis van de instructie. Op dit moment wordt machinaal leren en datamining steeds meer gewaardeerd omdat het bestaat uit een breed scala aan robuuste algoritmen, die in staat zijn om grote hoeveelheden gegevens te verwerken. De belangrijkste ambitie van dit werk is het herkennen van de prestatiehindernis van het classificatie-algoritme voor machinaal leren als gevolg van de complexiteit die wordt toegevoegd door onbalans in de dataset voor trainingsdoeleinden.