Exploration de données-ce chapitre présente les principes fondamentaux de l'exploration de données, en mettant l'accent sur la manière dont les algorithmes et les outils sont appliqués pour analyser de grands ensembles de données en robotique
Apprentissage automatique-explore l'intersection entre l'exploration de données et l'apprentissage automatique, en montrant comment les modèles peuvent être formés pour reconnaître des modèles et faire des prédictions dans les systèmes robotiques
Exploration de texte-explore l'exploration de texte, en montrant comment les systèmes robotiques peuvent extraire des informations utiles à partir de données textuelles non structurées
Apprentissage des règles d'association-présente les techniques d'exploration de règles d'association pour découvrir des relations cachées dans les données, essentielles pour améliorer la prise de décision dans les robots
Données non structurées-aborde les défis et les méthodes de traitement des données non structurées, telles que les images ou l'audio, dans le contexte de la robotique
Dérive conceptuelle-ce chapitre explique comment les modèles d'apprentissage automatique s'adaptent au fil du temps à mesure que de nouvelles données introduisent des changements, impactant les performances du robot
Weka (logiciel)-couvre l'utilisation de Weka, un logiciel open source populaire pour l'exploration de données, pour mettre en oeuvre divers algorithmes d'exploration dans des applications robotiques
Profilage (science de l'information)-se concentre sur les techniques de profilage utilisées pour comprendre le comportement des systèmes et prédire les actions futures, améliorant ainsi la prise de décision robotique
Analyse des données pour la détection des fraudes-explore comment l'exploration de données peut aider les robots à identifier les fraudes et les anomalies dans divers domaines, tels que la finance ou la sécurité
ELKI-fournit une plongée en profondeur dans le cadre ELKI, utile pour les techniques avancées d'exploration de données et appliquées aux systèmes robotiques
Exploration de données éducatives-étudie comment l'exploration de données éducatives peut améliorer les environnements d'apprentissage assisté par robot et l'éducation personnalisée
Extraction de connaissances-examine le processus d'extraction d'informations précieuses à partir de grands ensembles de données, guidant les robots pour prendre de meilleures décisions
Science des données-présente la science des données comme partie intégrante de la robotique, offrant la base pour la construction de robots plus intelligents et plus performants
Analyse en ligne massive-aborde les techniques de traitement d'ensembles de données massifs en temps réel, garantissant que les robots peuvent s'adapter instantanément aux nouvelles informations
Exemples d'exploration de données-ce chapitre présente des exemples concrets d'applications d'exploration de données en robotique, mettant en valeur son utilité pratique
Intelligence artificielle-explore comment l'intelligence artificielle s'intègre aux techniques d'exploration de données pour doter les robots de capacités de prise de décision avancées
Apprentissage supervisé-se concentre sur les modèles d'apprentissage supervisé et sur la manière dont ils sont utilisés pour former les robots à des tâches spécifiques grâce à des données étiquetées
Réseau neuronal (apprentissage automatique)-présente les réseaux neuronaux et la manière dont ils imitent les fonctions du cerveau humain, essentielles pour la robotique avancée et les systèmes autonomes
Reconnaissance de formes-aborde les techniques de reconnaissance de formes qui permettent aux robots d'identifier des objets, des gestes ou des paroles à partir de données brutes
Apprentissage automatique-explore l'intersection entre l'exploration de données et l'apprentissage automatique, en montrant comment les modèles peuvent être formés pour reconnaître des modèles et faire des prédictions dans les systèmes robotiques
Exploration de texte-explore l'exploration de texte, en montrant comment les systèmes robotiques peuvent extraire des informations utiles à partir de données textuelles non structurées
Apprentissage des règles d'association-présente les techniques d'exploration de règles d'association pour découvrir des relations cachées dans les données, essentielles pour améliorer la prise de décision dans les robots
Données non structurées-aborde les défis et les méthodes de traitement des données non structurées, telles que les images ou l'audio, dans le contexte de la robotique
Dérive conceptuelle-ce chapitre explique comment les modèles d'apprentissage automatique s'adaptent au fil du temps à mesure que de nouvelles données introduisent des changements, impactant les performances du robot
Weka (logiciel)-couvre l'utilisation de Weka, un logiciel open source populaire pour l'exploration de données, pour mettre en oeuvre divers algorithmes d'exploration dans des applications robotiques
Profilage (science de l'information)-se concentre sur les techniques de profilage utilisées pour comprendre le comportement des systèmes et prédire les actions futures, améliorant ainsi la prise de décision robotique
Analyse des données pour la détection des fraudes-explore comment l'exploration de données peut aider les robots à identifier les fraudes et les anomalies dans divers domaines, tels que la finance ou la sécurité
ELKI-fournit une plongée en profondeur dans le cadre ELKI, utile pour les techniques avancées d'exploration de données et appliquées aux systèmes robotiques
Exploration de données éducatives-étudie comment l'exploration de données éducatives peut améliorer les environnements d'apprentissage assisté par robot et l'éducation personnalisée
Extraction de connaissances-examine le processus d'extraction d'informations précieuses à partir de grands ensembles de données, guidant les robots pour prendre de meilleures décisions
Science des données-présente la science des données comme partie intégrante de la robotique, offrant la base pour la construction de robots plus intelligents et plus performants
Analyse en ligne massive-aborde les techniques de traitement d'ensembles de données massifs en temps réel, garantissant que les robots peuvent s'adapter instantanément aux nouvelles informations
Exemples d'exploration de données-ce chapitre présente des exemples concrets d'applications d'exploration de données en robotique, mettant en valeur son utilité pratique
Intelligence artificielle-explore comment l'intelligence artificielle s'intègre aux techniques d'exploration de données pour doter les robots de capacités de prise de décision avancées
Apprentissage supervisé-se concentre sur les modèles d'apprentissage supervisé et sur la manière dont ils sont utilisés pour former les robots à des tâches spécifiques grâce à des données étiquetées
Réseau neuronal (apprentissage automatique)-présente les réseaux neuronaux et la manière dont ils imitent les fonctions du cerveau humain, essentielles pour la robotique avancée et les systèmes autonomes
Reconnaissance de formes-aborde les techniques de reconnaissance de formes qui permettent aux robots d'identifier des objets, des gestes ou des paroles à partir de données brutes
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.