Advances in Data Science (eBook)
XX, 364 Seiten
Springer International Publishing (Verlag)
978-3-030-79891-8 (ISBN)
This volume highlights recent advances in data science, including image processing and enhancement on large data, shape analysis and geometry processing in 2D/3D, exploration and understanding of neural networks, and extensions to atypical data types such as social and biological signals. The contributions are based on discussions from two workshops under Association for Women in Mathematics (AWM), namely the second Women in Data Science and Mathematics (WiSDM) Research Collaboration Workshop that took place between July 29 and August 2, 2019 at the Institute for Computational and Experimental Research in Mathematics (ICERM) in Providence, Rhode Island, and the third Women in Shape (WiSh) Research Collaboration Workshop that took place between July 16 and 20, 2018 at Trier University in Robert-Schuman-Haus, Trier, Germany.
These submissions, seeded by working groups at the conference, form a valuable source for readers who are interested in ideas and methods developed in interdisciplinary research fields. The book features ideas, methods, and tools developed through a broad range of domains, ranging from theoretical analysis on graph neural networks to applications in health science. It also presents original results tackling real-world problems that often involve complex data analysis on large multi-modal data sources.| Erscheint lt. Verlag | 3.12.2021 |
|---|---|
| Reihe/Serie | Association for Women in Mathematics Series | Association for Women in Mathematics Series |
| Zusatzinfo | XX, 364 p. 185 illus., 166 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Grafik / Design |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Schlagworte | Data Analysis • discrete approximations • Health Science • incomplete and multi-modal data • methods involving duality • Networking • Regularization • spatial-temporal dynamics modeling • statistical topological learning algorithms • user anonymity |
| ISBN-10 | 3-030-79891-7 / 3030798917 |
| ISBN-13 | 978-3-030-79891-8 / 9783030798918 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 14,8 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.
aus dem Bereich
