Big Data, Machine, and Deep Learning (eBook)

Big Data, Machine, and Deep Learning (eBook)

Kumar Mishra RajeshMishra DivyanshAgarwal Rekha
Kumar Mishra RajeshMishra DivyanshAgarwal Rekha
Prezzo:
€ 18,99
Compra EPUB
Prezzo:
€ 18,99
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: GRIN Verlag
Codice EAN: 9783389122495
Anno pubblicazione: 2025
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

Scientific Study from the year 2025 in the subject Computer Sciences - Artificial Intelligence, , language: English, abstract: In recent times, developments in artificial intelligence (AI) and machine learning (ML) have propelled improvements in systems and control engineering. We exist in a time of extensive data, where AI and ML can evaluate large volumes of information instantly to enhance efficiency and precision in decisions based on data. In control engineering, for instance, AI algorithms can anticipate system behaviors and autonomously modify controls to enhance performance for better efficiency and dependability. ML models, with their ability to learn, consistently enhance their predictions and choices as they handle additional data, enabling systems to dynamically adjust to evolving environments and operational circumstances. This swift adjustment enhances the functions of current systems and enables the creation of groundbreaking solutions, like self-driving cars and intelligent power grids, which were previously deemed unfeasible. The rapid expansion of digital data has propelled significant advancements in Big Data analytics, Machine Learning, and Deep Learning. These technologies are increasingly integrated across industries, facilitating automated decision-making, predictive modeling, and advanced pattern recognition. This chapter provides an in-depth review of recent progress in these domains, emphasizing breakthroughs in scalable data processing frameworks, cloud and edge computing, AutoML, explainable AI, transformer architectures, self-supervised learning, and generative models. Furthermore, it explores key applications in healthcare, finance, and autonomous systems, along with challenges such as data privacy, ethical concerns, and computational constraints. The discussion concludes with future directions, highlighting the potential of federated learning, neuromorphic computing, and novel algorithmic improvements to further expand AI's impact across disciplines.