Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy Xcover
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Optischer Zustand
Beschreibung
This book is dedicated to exploring and explaining time series event detection in databases. The focus is on events, which are pervasive in time series applications where significant changes in behavior are observed at specific points or time intervals. Event detection is a basic function in surveillance and monitoring systems and has been extensively explored over the years, but this book provides a unified overview of the major types of time series events with which researchers should be familiar: anomalies, change points, and motifs. The book starts with basic concepts of time series and presents a general taxonomy for event detection. This taxonomy includes (i) granularity of events (punctual, contextual, and collective), (ii) general strategies (regression, classification, clustering, model-based), (iii) methods (theory-driven, data-driven), (iv) machine learning processing (supervised, semi-supervised, unsupervised), and (v) data management (ETL process). This taxonomy is weaved throughout chapters dedicated to the specific event types: anomaly detection, change-point, and motif discovery. The book discusses state-of-the-art metric evaluations for event detection methods and also provides a dedicated chapter on online event detection, including the challenges and general approaches (static versus dynamic), including incremental and adaptive learning. This book will be of interested to graduate or undergraduate students of different fields with a basic introduction to data science or data analytics.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 34,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
29.01.2025
Sprache
Englisch
EAN
9783031759406
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Synthesis Lectures on Data Management
Sonderedition
Nein
Autor
Eduardo Ogasawara, Rebecca Salles, Fabio Porto, Esther Pacitti
Seitenanzahl
170
Einbandart
Gebundene Ausgabe
Schlagwörter
Event Detection, Taxonomy of Events, Data Anomaly Detection, Data Motif Discovery, Data Analysis
Thema-Inhalt
UN - Datenbanken UNH - Informationsrückgewinnung, Information Retrieval UND - Data Warehousing UNF - Data Mining UYQE - Wissensbasierte Systeme, Expertensysteme
Höhe
240 mm
Breite
16.8 cm

Transparenz & Sicherheit

Hersteller: Palgrave Macmillan, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!