تحلیل کلان‌داده برای جستجوی چندرسانه‌ای در مقیاس بزرگ ۲۰۱۹
Big Data Analytics for Large-Scale Multimedia Search 2019

دانلود کتاب تحلیل کلان‌داده برای جستجوی چندرسانه‌ای در مقیاس بزرگ ۲۰۱۹ (Big Data Analytics for Large-Scale Multimedia Search 2019) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Stefanos Vrochidis, Benoit Huet, Edward Y. Chang, Ioannis Kompatsiaris

voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2019

زبان

English

تعداد صفحه‌ها

376

نوع فایل

pdf

حجم

17.7MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب تحلیل کلان‌داده برای جستجوی چندرسانه‌ای در مقیاس بزرگ ۲۰۱۹

مروری به‌موقع بر فناوری‌های پیشرفته برای بازیابی چندرسانه‌ای با تأکید ویژه بر مقیاس‌پذیری

حجم داده‌های چندرسانه‌ای که هر روز در دسترس قرار می‌گیرد بسیار زیاد است و با نرخی نمایی در حال افزایش است، و نیاز شدیدی به رویکردهای جدید و کارآمدتر برای جستجوی چندرسانه‌ای در مقیاس بزرگ ایجاد می‌کند. این کتاب به این نیاز می‌پردازد و حوزه‌ی بازیابی چندرسانه‌ای را پوشش می‌دهد و تأکید ویژه‌ای بر مقیاس‌پذیری دارد. این کتاب گزارش کارهای اخیر در جستجوی چندرسانه‌ای در مقیاس بزرگ، از جمله روش‌های تحقیق و کاربردها را ارائه می‌کند و به گونه‌ای ساختار یافته است که خوانندگان با دانش پایه می‌توانند پیام اصلی را درک کنند، در حالی که به متخصصان و کارشناسان اجازه می‌دهد تا در بخش‌های تحلیلی بیشتر تعمق کنند.

تحلیل داده‌های بزرگ برای جستجوی چندرسانه‌ای در مقیاس بزرگ مباحث زیر را پوشش می‌دهد: یادگیری بازنمایی، جستجوی ویدئو مبتنی بر مفهوم و رویداد در مجموعه‌های بزرگ؛ داده‌کاوی چندرسانه‌ای در داده‌های بزرگ، درک ویدئویی در مقیاس بزرگ، تلفیق داده‌های چندرسانه‌ای بزرگ، تحلیل چندرسانه‌ای اجتماعی در مقیاس بزرگ، حریم خصوصی و محتوای دیداری‌شنیداری، ذخیره‌سازی و مدیریت داده‌ها برای چندرسانه‌ای بزرگ، جستجوی چندرسانه‌ای در مقیاس بزرگ، برچسب‌گذاری چندرسانه‌ای با استفاده از یادگیری عمیق، رابط‌های تعاملی برای چندرسانه‌ای بزرگ و برنامه‌های پشتیبانی از تصمیم‌گیری پزشکی با استفاده از داده‌های چندوجهی بزرگ.

* به حوزه‌ی بازیابی چندرسانه‌ای می‌پردازد و توجه ویژه‌ای به مسئله‌ی مقیاس‌پذیری دارد.
* تکنیک‌های مسأله‌محور با راهکارهایی ارائه می‌دهد که از طریق مطالعات موردی واقعی و سناریوهای کاربری به نمایش گذاشته می‌شوند.
* شامل جداول، تصاویر و نمودارها است.
* یک BCS میزبانی شده توسط Wiley را ارائه می دهد که شامل پیوندهایی به الگوریتم های متن باز، مجموعه داده ها و ابزارها است.

تحلیل داده‌های بزرگ برای جستجوی چندرسانه‌ای در مقیاس بزرگ کتابی عالی برای دانشگاهیان، محققان صنعتی و توسعه‌دهندگان علاقه‌مند به بازیابی جستجوی داده‌های چندرسانه‌ای بزرگ است. همچنین برای مشاوران در مسائل علوم کامپیوتر و متخصصان در صنعت چندرسانه‌ای جذاب خواهد بود.


فهرست کتاب:

۱. جلد

۲. فهرست مطالب

۳. مقدمه

۴. فهرست مشارکت‌کنندگان

۵. درباره وب‌سایت همراه

۶. بخش اول: استخراج ویژگی از داده‌های چندرسانه‌ای بزرگ

۷. بخش دوم: الگوریتم‌های یادگیری برای چندرسانه‌ای مقیاس بزرگ

۸. بخش سوم: مقیاس‌پذیری در دسترسی به چندرسانه‌ای

۹. بخش چهارم: کاربردهای جستجوی چندرسانه‌ای مقیاس بزرگ

۱۰. نتیجه‌گیری‌ها و روندهای آتی

۱۱. نمایه

۱۲. توافق‌نامه مجوز کاربری نهایی

توضیحات(انگلیسی)

A timely overview of cutting edge technologies for multimedia retrieval with a special emphasis on scalability

The amount of multimedia data available every day is enormous and is growing at an exponential rate, creating a great need for new and more efficient approaches for large scale multimedia search. This book addresses that need, covering the area of multimedia retrieval and placing a special emphasis on scalability. It reports the recent works in large scale multimedia search, including research methods and applications, and is structured so that readers with basic knowledge can grasp the core message while still allowing experts and specialists to drill further down into the analytical sections.

Big Data Analytics for Large-Scale Multimedia Search covers: representation learning, concept and event-based video search in large collections; big data multimedia mining, large scale video understanding, big multimedia data fusion, large-scale social multimedia analysis, privacy and audiovisual content, data storage and management for big multimedia, large scale multimedia search, multimedia tagging using deep learning, interactive interfaces for big multimedia and medical decision support applications using large multimodal data.

  • Addresses the area of multimedia retrieval and pays close attention to the issue of scalability
  • Presents problem driven techniques with solutions that are demonstrated through realistic case studies and user scenarios
  • Includes tables, illustrations, and figures
  • Offers a Wiley-hosted BCS that features links to open source algorithms, data sets and tools

Big Data Analytics for Large-Scale Multimedia Search is an excellent book for academics, industrial researchers, and developers interested in big multimedia data search retrieval. It will also appeal to consultants in computer science problems and professionals in the multimedia industry.


Table of Contents

1. Cover

2. Table of Contents

3. Introduction

4. List of Contributors

5. About the Companion Website

6. Part I: Feature Extraction from Big Multimedia Data

7. Part II: Learning Algorithms for Large-Scale Multimedia

8. Part III: Scalability in Multimedia Access

9. Part IV: Applications of Large-Scale Multimedia Search

10. Conclusions and Future Trends

11. Index

12. End User License Agreement

دیگران دریافت کرده‌اند

تحلیل داده های حجیم برای اینترنت اشیاء ۲۰۲۱
Big Data Analytics for Internet of Things 2021

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.