Scaling up machine learning. Parallel and distributed approaches. Reprint.

DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation

Inhalt

Literaturnachweis - Detailanzeige

Trefferliste

Sonst. Personen	Bekkerman, Ron (Hrsg.); Bilenko, Mikhail (Hrsg.); Langford, John (Hrsg.)
Titel	Scaling up machine learning. Parallel and distributed approaches. Reprint. Gefälligkeitsübersetzung: Steigerung der künstlichen Intelligenz. Parallele und verteilte Ansätze.
Quelle	Cambridge: Cambridge University Press (2013), 475 S.Verfügbarkeit
Zusatzinformation	Inhaltsverzeichnis
Sprache	englisch
Dokumenttyp	gedruckt; Monographie
ISBN	978-0-521-19224-8
Schlagwörter	Clusteranalyse; Künstliche Intelligenz; Algorithmus; Künstliche Intelligenz; Lernen; Sprachverarbeitung; Datenanalyse; Lernen; Sprachverarbeitung; Algorithmus; Datenanalyse; Informationsgewinn
Abstract	"This book presents an integrated collection of representative approaches for scaling up machine learning and data mining methods on parallel and distributed computing platforms. Demand for parallelizing learning algorithms is highly task-specific: in some settings it is driven by the enormous dataset sizes, in others by model complexity or by real-time performance requirements. Making task-appropriate algorithm and platform choices for large-scale machine learning requires understanding the benefits, trade-offs, and constraints of the available options. Solutions presented in the book cover a range of parallelization platforms from FPGAs and GPUs to multi-core systems and commodity clusters, concurrent programming frameworks including CUDA, MPI, MapReduce, and DryadLINQ, and learning settings (supervised, unsupervised, semi-supervised, and online learning). Extensive coverage of parallelization of boosted trees, SVMs, spectral clustering, belief propagation and other popular learning algorithms and deep dives into several applications make the book equally useful for researchers, students, and practitioners." (Author's abstract, IAB-Doku). Forschungsmethode: Dokumentation; Methodenentwicklung; Grundlagenforschung.
Erfasst von	Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg
Update	2016/3

Literaturbeschaffung und Bestandsnachweise in Bibliotheken prüfen

Standortgebundene Dienste:

Wählen Sie eine Institution, um dort die Verfügbarkeit zu prüfen:

Standortunabhängige Dienste

Trefferlisten Einstellungen

Dateien exportieren oder versenden

Markieren Sie in der Trefferlisteliste die Einträge, deren Nachweise Sie exportieren wollen. Im Bereich "Exportieren" wählen Sie in der Auswahlliste "System/Format wählen" eines der Exportformate bzw. -systeme. Wollen Sie die gewählten Nachweise direkt in Ihre Literaturverwaltung importieren, so wählen Sie das entsprechende System aus und drücken den Schalter "exportieren". Die weiteren Schritte sind abhängig von der installierten Software. Eine detaillierte Beschreibung finden Sie, zusammen mit den einzelnen Formatbeschreibungen auf unserer Hilfeseite.
Die Formate können Sie auf Ihrem Rechner als Textdatei abspeichern.
Alle Formate können zusätzlich auch als Datei an eine beliebige E-Mailadresse versendet werden. Gehen Sie vor wie beim normalen Export. Tragen Sie zusätzlich die E-Mailadresse ein und aktivieren Sie den Schalter "versenden". Der Versand der Datei erfolgt mit der passenden Dateiextension im Dateinamen. Achten Sie auf die korrekte Eingabe Ihrer Mailadresse, um den Verlust Ihrer Rechercheergebnisse zu vermeiden.
Das Fachportal Pädagogik unterstützt die Übernahme bibliografischer Daten in andere Systeme durch Einbettung so genannter COinS in den HTML-Quellcode. Sie erkennen die Möglichkeit der Übernahme durch eine Meldung Ihres Browsers.

Exportieren der Dateien:

System / Format wählen

Versenden der Dateien:

E-Mail-Adresse

Permalink als QR-Code

Permalink als QR-Code

Inhalt auf sozialen Plattformen teilen (nur vorhanden, wenn Javascript eingeschaltet ist)

Teile diese Seite:

Zum Seitenanfang