Introduction to Statistical Relational Learning


Author: Lise Getoor,Ben Taskar
Publisher: MIT Press
ISBN: 0262072882
Category: Computers
Page: 586
View: 3114

Continue Reading →

Advanced statistical modeling and knowledge representation techniques for a newly emerging area of machine learning and probabilistic reasoning; includes introductory material, tutorials for different proposed approaches, and applications. Handling inherent uncertainty and exploiting compositional structure are fundamental to understanding and designing large-scale systems. Statistical relational learning builds on ideas from probability theory and statistics to address uncertainty while incorporating tools from logic, databases and programming languages to represent structure. In Introduction to Statistical Relational Learning, leading researchers in this emerging area of machine learning describe current formalisms, models, and algorithms that enable effective and robust reasoning about richly structured systems and data. The early chapters provide tutorials for material used in later chapters, offering introductions to representation, inference and learning in graphical models, and logic. The book then describes object-oriented approaches, including probabilistic relational models, relational Markov networks, and probabilistic entity-relationship models as well as logic-based formalisms including Bayesian logic programs, Markov logic, and stochastic logic programs. Later chapters discuss such topics as probabilistic models with unknown objects, relational dependency networks, reinforcement learning in relational domains, and information extraction. By presenting a variety of approaches, the book highlights commonalities and clarifies important differences among proposed approaches and, along the way, identifies important representational and algorithmic issues. Numerous applications are provided throughout.

Large-Scale Machine Learning in the Earth Sciences


Author: Ashok N. Srivastava,Ramakrishna Nemani,Karsten Steinhaeuser
Publisher: CRC Press
ISBN: 1315354462
Category: Computers
Page: 208
View: 5765

Continue Reading →

From the Foreword: "While large-scale machine learning and data mining have greatly impacted a range of commercial applications, their use in the field of Earth sciences is still in the early stages. This book, edited by Ashok Srivastava, Ramakrishna Nemani, and Karsten Steinhaeuser, serves as an outstanding resource for anyone interested in the opportunities and challenges for the machine learning community in analyzing these data sets to answer questions of urgent societal interest...I hope that this book will inspire more computer scientists to focus on environmental applications, and Earth scientists to seek collaborations with researchers in machine learning and data mining to advance the frontiers in Earth sciences." --Vipin Kumar, University of Minnesota Large-Scale Machine Learning in the Earth Sciences provides researchers and practitioners with a broad overview of some of the key challenges in the intersection of Earth science, computer science, statistics, and related fields. It explores a wide range of topics and provides a compilation of recent research in the application of machine learning in the field of Earth Science. Making predictions based on observational data is a theme of the book, and the book includes chapters on the use of network science to understand and discover teleconnections in extreme climate and weather events, as well as using structured estimation in high dimensions. The use of ensemble machine learning models to combine predictions of global climate models using information from spatial and temporal patterns is also explored. The second part of the book features a discussion on statistical downscaling in climate with state-of-the-art scalable machine learning, as well as an overview of methods to understand and predict the proliferation of biological species due to changes in environmental conditions. The problem of using large-scale machine learning to study the formation of tornadoes is also explored in depth. The last part of the book covers the use of deep learning algorithms to classify images that have very high resolution, as well as the unmixing of spectral signals in remote sensing images of land cover. The authors also apply long-tail distributions to geoscience resources, in the final chapter of the book.

Conformance Checking and Simulation-based Evolutionary Optimization for Deployment and Reconfiguration of Software in the Cloud


Author: Sören Frey
Publisher: BoD – Books on Demand
ISBN: 3735715354
Category: Computers
Page: 636
View: 2124

Continue Reading →

Many SaaS providers nowadays want to leverage the cloud’s capabilities also for their existing applications, for example, to enable sound scalability and cost-effectiveness. This thesis provides the approach CloudMIG that supports SaaS providers to migrate those applications to IaaS and PaaS-based cloud environments. CloudMIG consists of a step-by-step process and focuses on two core components. (1) Restrictions imposed by specific cloud environments (so-called cloud environment constraints (CECs)), such as a limited file system access or forbidden method calls, can be validated by an automatic conformance checking approach. (2) A cloud deployment option (CDO) determines which cloud environment, cloud resource types, deployment architecture, and runtime reconfiguration rules for exploiting a cloud’s elasticity should be used. The implied performance and costs can differ in orders of magnitude. CDOs can be automatically optimized with the help of our simulation-based genetic algorithm CDOXplorer. Extensive lab experiments and an experiment in an industrial context show CloudMIG’s applicability and the excellent performance of its two core components.

Probabilistic Graphical Models

Principles and Techniques
Author: Daphne Koller,Nir Friedman,Francis Bach
Publisher: MIT Press
ISBN: 0262013193
Category: Computers
Page: 1231
View: 3882

Continue Reading →

Proceedings of the annual Conference on Uncertainty in Artificial Intelligence, available for 1991-present. Since 1985, the Conference on Uncertainty in Artificial Intelligence (UAI) has been the primary international forum for exchanging results on the use of principled uncertain-reasoning methods in intelligent systems. The UAI Proceedings have become a basic reference for researches and practitioners who want to know about both theoretical advances and the latest applied developments in the field.

Algorithmen - Eine Einführung


Author: Thomas H. Cormen,Charles E. Leiserson,Ronald Rivest,Clifford Stein
Publisher: Walter de Gruyter GmbH & Co KG
ISBN: 3110522012
Category: Computers
Page: 1339
View: 7747

Continue Reading →

Der "Cormen" bietet eine umfassende und vielseitige Einführung in das moderne Studium von Algorithmen. Es stellt viele Algorithmen Schritt für Schritt vor, behandelt sie detailliert und macht deren Entwurf und deren Analyse allen Leserschichten zugänglich. Sorgfältige Erklärungen zur notwendigen Mathematik helfen, die Analyse der Algorithmen zu verstehen. Den Autoren ist es dabei geglückt, Erklärungen elementar zu halten, ohne auf Tiefe oder mathematische Exaktheit zu verzichten. Jedes der weitgehend eigenständig gestalteten Kapitel stellt einen Algorithmus, eine Entwurfstechnik, ein Anwendungsgebiet oder ein verwandtes Thema vor. Algorithmen werden beschrieben und in Pseudocode entworfen, der für jeden lesbar sein sollte, der schon selbst ein wenig programmiert hat. Zahlreiche Abbildungen verdeutlichen, wie die Algorithmen arbeiten. Ebenfalls angesprochen werden Belange der Implementierung und andere technische Fragen, wobei, da Effizienz als Entwurfskriterium betont wird, die Ausführungen eine sorgfältige Analyse der Laufzeiten der Programme mit ein schließen. Über 1000 Übungen und Problemstellungen und ein umfangreiches Quellen- und Literaturverzeichnis komplettieren das Lehrbuch, dass durch das ganze Studium, aber auch noch danach als mathematisches Nachschlagewerk oder als technisches Handbuch nützlich ist. Für die dritte Auflage wurde das gesamte Buch aktualisiert. Die Änderungen sind vielfältig und umfassen insbesondere neue Kapitel, überarbeiteten Pseudocode, didaktische Verbesserungen und einen lebhafteren Schreibstil. So wurden etwa - neue Kapitel zu van-Emde-Boas-Bäume und mehrfädigen (engl.: multithreaded) Algorithmen aufgenommen, - das Kapitel zu Rekursionsgleichungen überarbeitet, sodass es nunmehr die Teile-und-Beherrsche-Methode besser abdeckt, - die Betrachtungen zu dynamischer Programmierung und Greedy-Algorithmen überarbeitet; Memoisation und der Begriff des Teilproblem-Graphen als eine Möglichkeit, die Laufzeit eines auf dynamischer Programmierung beruhender Algorithmus zu verstehen, werden eingeführt. - 100 neue Übungsaufgaben und 28 neue Problemstellungen ergänzt. Umfangreiches Dozentenmaterial (auf englisch) ist über die Website des US-Verlags verfügbar.

Data mining

praktische Werkzeuge und Techniken für das maschinelle Lernen
Author: Ian H. Witten,Eibe Frank
Publisher: N.A
ISBN: 9783446215337
Category:
Page: 386
View: 5499

Continue Reading →

Maschinelles Lernen


Author: Ethem Alpaydin
Publisher: De Gruyter Oldenbourg
ISBN: 9783486581140
Category: Machine learning
Page: 440
View: 7960

Continue Reading →

Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben.

Künstliche Intelligenz

ein moderner Ansatz
Author: Stuart J. Russell,Stuart Russell,Peter Norvig
Publisher: N.A
ISBN: 9783827370891
Category:
Page: 1327
View: 9249

Continue Reading →

Homo sapiens.

Leben im 21. Jahrhundert. Was bleibt vom Menschen?
Author: Ray Kurzweil
Publisher: N.A
ISBN: 9783548750262
Category:
Page: 509
View: 4193

Continue Reading →

Artificial Intelligence

A Modern Approach
Author: Stuart Jonathan Russell,Peter Norvig
Publisher: Prentice Hall
ISBN: 0136042597
Category: Computers
Page: 1132
View: 6454

Continue Reading →

Artificial intelligence: A Modern Approach, 3e,is ideal for one or two-semester, undergraduate or graduate-level courses in Artificial Intelligence. It is also a valuable resource for computer professionals, linguists, and cognitive scientists interested in artificial intelligence. The revision of this best-selling text offers the most comprehensive, up-to-date introduction to the theory and practice of artificial intelligence.

Das Geheimnis des menschlichen Denkens

Einblicke in das Reverse Engineering des Gehirns
Author: Ray Kurzweil
Publisher: Lola Books
ISBN: 394420316X
Category: Science
Page: 352
View: 4396

Continue Reading →

Der Wettlauf um das Gehirn hat begonnen. Sowohl die EU als auch die USA haben gewaltige Forschungsprojekte ins Leben gerufen um das Geheimnis des menschlichen Denkens zu entschlüsseln. 2023 soll es dann soweit sein: Das menschliche Gehirn kann vollständig simuliert werden. In "Das Geheimnis des menschlichen Denkens" gewährt Googles Chefingenieur Ray Kurzweil einen spannenden Einblick in das Reverse Engineering des Gehirns. Er legt dar, wie mithilfe der Mustererkennungstheorie des Geistes der ungeheuren Komplexität des Gehirns beizukommen ist und wirft einen ebenso präzisen wie überraschenden Blick auf die am Horizont sich bereits abzeichnende Zukunft. Ist das menschliche Gehirn erst einmal simuliert, wird künstliche Intelligenz die Fähigkeiten des Menschen schon bald übertreffen. Ein Ereignis, das Kurzweil aufgrund der bereits in "Menschheit 2.0" entworfenen exponentiellen Wachstumskurve der Informationstechnologien bereits für das Jahr 2029 prognostiziert. Aber was dann? Kurzweil ist zuversichtlich, dass die Vorteile künstlicher Intelligenz mögliche Bedrohungsszenarien überwiegen und sie uns entscheidend dabei hilft, uns weiterzuentwickeln und die Herausforderungen der Zukunft zu meistern.

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython
Author: Wes McKinney
Publisher: O'Reilly
ISBN: 3960102143
Category: Computers
Page: 542
View: 7386

Continue Reading →

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Programmieren in Prolog


Author: William F. Clocksin,Christopher S. Mellish
Publisher: Springer-Verlag
ISBN: 3642711219
Category: Computers
Page: 331
View: 1365

Continue Reading →

Prolog, die wohl bedeutendste Programmiersprache der Künstlichen Intelligenz, hat eine einzigartige Verbreitung und Beliebtheit erreicht und gilt als Basis für eine ganze neue Generation von Programmiersprachen und -systemen. Der vorliegenden deutschen Übersetzung des Standardwerks Programming in Prolog liegt die dritte Auflage der englischen Fassung zugrunde. Das Buch ist sowohl Lehrbuch als auch Nachschlagewerk und für alle geeignet, die Prolog als Programmiersprache für die Praxis erlernen und benutzen wollen. Zahlreiche Beispiele zeigen, wie nützliche Programme mit heutigen Prolog-Systemen geschrieben werden können. Die Autoren konzentrieren sich auf den "Kern" von Prolog; alle Beispiele entsprechen diesem Standard und laufen auf den verbreitetsten Prolog-Implementierungen. Zu einigen Implementierungen sind im Anhang Hinweise auf Besonderheiten enthalten.

Fifth International Workshop on Temporal Representation and Reasoning

Proceedings : Sanibel Island, Florida, May 16-17, 1998
Author: Lina Khatib,Robert Morris
Publisher: Institute of Electrical & Electronics Engineers(IEEE)
ISBN: 9780818684739
Category: Computers
Page: 191
View: 373

Continue Reading →

This volume addresses topics including: temporal reasoning in plan management; accounting for temporal evolutions in highly reactive decision-making; modelling problems; qualitative temporal reasoning; and quantitative structural temporal constraints on repeating events.

Data Science mit Python

Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn
Author: Jake VanderPlas
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958456979
Category: Computers
Page: 552
View: 8021

Continue Reading →

Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: ● IPython und Jupyter für datenintensive Berechnungen ● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python ● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten ● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts

MPI - Eine Einführung

Portable parallele Programmierung mit dem Message-Passing Interface
Author: William Gropp,Ewing Lusk,Anthony Skjellum
Publisher: Walter de Gruyter GmbH & Co KG
ISBN: 3486841009
Category: Computers
Page: 387
View: 8078

Continue Reading →

Message Passing Interface (MPI) ist ein Protokoll, das parallel Berechnungen auf verteilten, heterogenen, lose-gekoppelten Computersystemen ermöglicht.