Name: Sicurezza informatica dei Big Data con l'apprendimento automatico (en Italiano)
Price: 75120.00 CLP
Availability: InStock
Author: Arun Kumar, Kandru ; Chinta, Anuradha ; Little Flower, Kunchala
ISBN: 9786206503453

portada Sicurezza informatica dei Big Data con l'apprendimento automatico (en Italiano)

Formato

Libro Físico

Autor

Kandru Arun Kumar

Anuradha Chinta

Kunchala Little Flower

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.10 kg.

ISBN13

9786206503453

Categorías

Redes y comunicaciones informáticas

Sicurezza informatica dei Big Data con l'apprendimento automatico (en Italiano)

Kandru Arun Kumar (Autor) · Anuradha Chinta (Autor) · Kunchala Little Flower (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo

$ 75.120

$ 104.340

Ahorras: $ 29.220

28% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 17 de Julio y el Miércoles 24 de Julio.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Sicurezza informatica dei Big Data con l'apprendimento automatico (en Italiano)"

La sicurezza informatica nel contesto dei big data è nota per essere un problema critico e rappresenta una grande sfida per la comunità di ricerca. Gli algoritmi di apprendimento automatico sono stati proposti come candidati per gestire i problemi di sicurezza dei big data. Tra questi algoritmi, le macchine a vettori di supporto (SVM) hanno ottenuto un notevole successo su vari problemi di classificazione. Tuttavia, per stabilire un SVM efficace, l'utente deve negare in anticipo la corretta configurazione dell'SVM, un compito impegnativo che richiede conoscenze specialistiche e una grande quantità di sforzi manuali per tentativi ed errori. Qui formuliamo il processo di configurazione dell'SVM come un problema di ottimizzazione bi-obiettivo in cui l'accuratezza e la complessità del modello sono considerati due obiettivi in conflitto. Proponiamo un nuovo framework iper-euristico per l'ottimizzazione bi-obiettivo che è indipendente dal dominio del problema. È la prima volta che viene sviluppato un iper-euristico per questo problema. La struttura iper-euristica proposta consiste in una strategia di alto livello e in un'euristica di basso livello.