Research in Data Science (eBook)

eBook Download: PDF
2019 | 1st ed. 2019
XIV, 297 Seiten
Springer International Publishing (Verlag)
978-3-030-11566-1 (ISBN)

Lese- und Medienproben

Research in Data Science -
Systemvoraussetzungen
96,29 inkl. MwSt
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
This edited volume on data science features a variety of research ranging from theoretical to applied and computational topics. Aiming to establish the important connection between mathematics and data science, this book addresses cutting edge problems in predictive modeling, multi-scale representation and feature selection, statistical and topological learning, and related areas.  Contributions study topics such as the hubness phenomenon in high-dimensional spaces, the use of a heuristic framework for testing the multi-manifold hypothesis for high-dimensional data, the investigation of interdisciplinary approaches to multi-dimensional obstructive sleep apnea patient data, and the inference of a dyadic measure and its simplicial geometry from binary feature data. 
Based on the first Women in Data Science and Mathematics (WiSDM) Research Collaboration Workshop that took place in 2017 at the Institute for Compuational and Experimental Research in Mathematics (ICERM) in Providence, Rhode Island, this volume features submissions from several of the working groups as well as contributions from the wider community.  The volume is suitable for researchers in data science in industry and academia. 



Preface.- N. Durgin, R. Grotheer, C. Huang, S. Li, A. Ma, D. Needell, and J. Qin: Sparse Randomized Kaczmarz for Support Recovery of Jointly Sparse Corrupted Multiple Measurement Vectors.- P. Mani, M. Vazquez, J. R. Metcalf-Burton, C. Domeniconi, H. Fairbanks, G. Bal, E. Beer, and S. Tari: The Hubness Phenomenon in High Dimensional Spaces.- F. P. Medina, L. Ness, M. Weber, and K. Y. Djima: Heuristic Framework for Multiscale Testing of the Multi-Manifold Hypothesis.- K. Leonard, Y. Zhou, X. Wang, and G. Heo: High-dimensional Multiple Scaled Data Analysis of Obstructive Sleep Apnea Study with Interdisciplinary Endeavor.- E. Munch and A. Stefanou: The L(infinity)-Cophenetic Metric for Phylogenetic Trees as an Interleaving Distance.- L. Ness: Inference of a Dyadic Measure and its Simplicia Geometry from Binary Feature Data and Application to Data Quality.- A. Genctav, M. Genctav, and S. Tari: A Non-local Measure for Mesh Saliency via Feature Space Reduction.- F. Seeger, A. Little, Y. Chen, T. Woolf, H. Cheng, and J. C. Mitchell: Feature Design for Protein Interface Hotspots using KFC2 and Rosetta.- R. Aroutiounian, K. Leonard, R. Moreno, R. Teufel: Geometry-Based Classification for Automated Schizophrenia Diagnosis.- N. Durgin, R. Grotheer, C. Huang, S. Li, A. Ma, D. Needell, and J. Qin: Compressed Anomaly Detection with Multiple Mixed Observations.- A. Grim, B. Iskra, N. Ju, A. Kryshchenko, F. P. Medina, L. Ness, M. Ngamini, M. Owen, R. Paffenroth, and S. Tang: Analysis of Simulated Crowd Flow Exit Data: Visualization, Panic Detection, and Exit Time Convergence, Attribution and Estimation.- V. Adanova and S. Tari: A Data Driven Modeling of Ornaments. 

Erscheint lt. Verlag 25.3.2019
Reihe/Serie Association for Women in Mathematics Series
Association for Women in Mathematics Series
Zusatzinfo XIV, 297 p. 120 illus., 106 illus. in color.
Verlagsort Cham
Sprache englisch
Themenwelt Mathematik / Informatik Mathematik
Schlagworte Association for Women in Mathematics • Data Analysis • Data-driven modeling • Data Science • data storage • geometry-based classification • hubness phenomenon • multi-manifold hypothesis • multiple measurement vectors • predictive models • statistical and topological inference
ISBN-10 3-030-11566-6 / 3030115666
ISBN-13 978-3-030-11566-1 / 9783030115661
Haben Sie eine Frage zum Produkt?
PDFPDF (Wasserzeichen)
Größe: 14,3 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasser­zeichen und ist damit für Sie persona­lisiert. Bei einer missbräuch­lichen Weiter­gabe des eBooks an Dritte ist eine Rück­ver­folgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
Ein Übungsbuch für Fachhochschulen

von Michael Knorrenschild

eBook Download (2023)
Carl Hanser Verlag GmbH & Co. KG
16,99
Grundlagen - Methoden - Anwendungen

von André Krischke; Helge Röpcke

eBook Download (2024)
Carl Hanser Verlag GmbH & Co. KG
34,99