Apprentissage sur flux de données

Univ Europeenne - EAN : 9783841737502

Christophe Salperwyck

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Édition papier

EAN : 9783841737502

Paru le : 29 août 2014

64,90 € 61,52 €

Epuisé

Pour connaître votre prix et commander, identifiez-vous

Manquant sans date

Notre engagement qualité

Livraison gratuite
en France sans minimum
de commande
Manquants maintenus
en commande
automatiquement
Un interlocuteur
unique pour toutes
vos commandes
Toutes les licences
numériques du marché
au tarif éditeur
Assistance téléphonique
personalisée sur le
numérique
Service client
Du Lundi au vendredi
de 9h à 18h

Détails

EAN13 : 9783841737502
Réf. fournisseur : 6039950
Editeur : Univ Europeenne
Date Parution : 29 août 2014
Disponibilite : Manque sans date
Barème de remise : NS
Nombre de pages : 188
Format : H:220 mm L:150 mm E:11 mm
Poids : 285gr
Interdit de retour : Retour interdit

Résumé

Résumé : L'apprentissage statistique propose un ensemble de techniques capables de construire des modèles à partir d'observations passées. Ces techniques ont montré leur capacité à traiter des volumétries importantes. Cependant, de nouvelles applications génèrent de plus en plus de données visibles sous la forme d'un flux et qui doivent être traitées séquentiellement. Parmi ces applications, on citera : la publicité en-ligne, la modélisation des utilisateurs au sein d'un réseau social, le web mining. L'un des défis techniques est de concevoir des algorithmes permettant l'apprentissage avec les nouvelles contraintes imposées par les flux de données. Nous proposons d'aborder ce problème à l'aide de nouvelles techniques de résumé de flux de données dans le cadre de l'apprentissage supervisé. Notre méthode prend en compte les ressources mémoire et processeur. Ces résumés constituent un prétraitement qui nous permet de proposer de nouvelles versions du classifieur bayésien naïf et des arbres de décision fonctionnant en-ligne sur flux de données. Les flux de données peuvent comporter des changements de concept. Nous proposons aussi une nouvelle technique supervisée pour détecter ces changements.
Biographie : Christophe Salperwyck travaille dans le domaine du traitement des données volumineuses (Big Data). Il a effectué sa thèse de doctorat à Orange Labs sur l'apprentissage sur flux de données et plus particulièrement les méthodes en-ligne. Ses méthodes peuvent s'appliquer aux domaines de la publicité en-ligne ou de la sélection de contenu.