Biblioteca122.739 documentos en línea

Ficha técnica
767 | 3
Ver documento
Ponencia

A Distributed and Scalable Machine Learning Approach for Big DataUn enfoque distribuido y escalable de aprendizaje automático para datos masivos

Resumen

En esta investigación se propone un enfoque novedoso de descomposición y combinación de matrices con el algoritmo PBCD (parallel block coordinate descent) para efectuar el esfuerzo computacional distribuido para varios de los más populares algoritmos de aprendizaje automático, tales como máquinas de vectores de soporte y la regresión logística. Tras aplicar dicho enfoque a los algoritmos mencionados, estos se pueden usar para resolver problemas que involucran datos masivos.

  • Materias:Datos masivos Ciencia de datos
  • Subjects:Big data Data science
  • Palabras claves:Ciencia de datos, Datos masivos, Big data, Aprendizaje automático, Algoritmo PBCD, Descomposición y combinación de matrices, Complejidad de computación
  • Keywords:Data science, Big data, Machine learning, PBCD algorithm, Matrix decomposition and combination, Computation complexity
  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño:845 Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

DC.Title.spa
 A Distributed and Scalable Machine Learning Approach for Big Data
DC.Title.eng
 Un enfoque distribuido y escalable de aprendizaje automático para datos masivos
DC.Creator
 Zhang, Jie Guo, Hongliang
DC.Subject.snpi.spa
DC.Subject.snpi.eng
DC.Subject.spa
  •  Ciencia de datos, Datos masivos, Big data, Aprendizaje automático, Algoritmo PBCD, Descomposición y combinación de matrices, Complejidad de computación
DC.Subject.eng
  •  Data science, Big data, Machine learning, PBCD algorithm, Matrix decomposition and combination, Computation complexity
DC.Description.spa

En esta investigación se propone un enfoque novedoso de descomposición y combinación de matrices con el algoritmo PBCD (parallel block coordinate descent) para efectuar el esfuerzo computacional distribuido para varios de los más populares algoritmos de aprendizaje automático, tales como máquinas de vectores de soporte y la regresión logística. Tras aplicar dicho enfoque a los algoritmos mencionados, estos se pueden usar para resolver problemas que involucran datos masivos.

DC.Source
 https://www.ijcai.org/Proceedings/16/Papers/217.pdf
DC.Identifier.virtualpro
 http://www.revistavirtualpro.com/biblioteca/un-enfoque-distribuido-y-escalable-de-aprendizaje-automatico-para-datos-masivos
DC.Identifier.issn-isbn
 ISSN:9781577357704; 9781577357711
DC.Identifier.citacion
 Revista Virtual Pro, Diciembre 2018, Big data: datos masivos. Primera entrega
DC.Language
 Inglés
DC.Relation
 Aprendizaje automático y aprendizaje profundo
DC.Publisher
Association for the Advancement of Artificial Intelligence (AAAI); International Joint Conferences on Artificial Intelligence Organization (IJCAI)
DC.Contributor
 Kambhampati, Subbarao, editor
DC.Rights
 
DC.Date
 2016
DC.Type
 Ponencia
DC.Format
 pdf
DC.Identifier.file
20181201-038.pdf

Información del documento

  • Titulo:A Distributed and Scalable Machine Learning Approach for Big Data
  • Autor:Guo, Hongliang; Zhang, Jie
  • Tipo:Ponencia
  • Año:2016
  • Idioma:Inglés
  • Editor:Association for the Advancement of Artificial Intelligence (AAAI); International Joint Conferences on Artificial Intelligence Organization (IJCAI)
  • Materias:Datos masivos Ciencia de datos
  • Descarga:3

Cómo citar el documento
Registrese ahora

Documentos relacionados
VER TODOS

Recursos

Videos

VER TODOS
2021-04-01

Aplicaciones de Quantum y proyectos de usuario con D-Wave | Webinar

Este seminario web presenta una visión general sobre la aplicación de sistemas D-Wave, donde son abordados casos de uso para optimización en diferentes sectores industriales. 

Documentos más descargados

Virtual Pro

Virtual Plant

Actualidad

Investigación

Suscripción

Publicidad
Virtual Pro

Virtual Pro | Procesos Industriales

Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.

Ingenio Colombiano

� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados