- عنوان کتاب: Data Science, Classification, and Artificial Intelligence for Modeling Decision Making
- نویسنده: Javier Trejos
- حوزه: علوم داده
- سال انتشار: 2025
- تعداد صفحه: 194
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 11.2 مگابایت
جلد حاضر شامل نسخههای بازبینیشده و داوریشدهی دوسوکور از مقالات منتخب ارائه شده در کنفرانس فدراسیون بینالمللی انجمنهای طبقهبندی، با عنوان «علوم داده، طبقهبندی و هوش مصنوعی برای مدلسازی تصمیمگیری»، است که از ۱۵ تا ۱۹ ژوئیه ۲۰۲۴ در سن خوزه، کاستاریکا برگزار شد. این کنفرانس توسط انجمن طبقهبندی و تحلیل دادهها آمریکای مرکزی و کارائیب (SoCCCAD) و دانشکده ریاضیات و مرکز تحقیقات ریاضیات محض و کاربردی دانشگاه کاستاریکا سازماندهی شده بود. خاویر ترخوس (دانشگاه کاستاریکا) به همراه آنجلا مونتاناری (رئیس سابق IFCS) و ربکا نوجنت (رئیس IFCS) ریاست کمیتهی برنامهریزی علمی را بر عهده داشتند. خاویر ترخوس، ماریو ویلالوبوس و آدریانا سانچز (دانشگاه کاستاریکا) ریاست کمیتهی سازماندهی محلی را بر عهده داشتند. ما از اعضای کمیته برنامه علمی سپاسگزاریم: آدالبرت ویلهلم (سازنده U، آلمان، GfKl)، آتسوهو ناکایاما (دوشیشا یو، ژاپن، JCS)، بالازس هوروات (U E¨otv¨os Lor´and، مجارستان، MST)، برتولد لوسن (Essex, Cuvas USS, United Kingdom)، An’ahuac، مکزیک، SOCCAD)، Hyunjoong Kim (Yonsei U، کره)، ژان دیاتا (U La R´eunion، فرانسه، SFC)، Johane Nienkemper-Swanepoel (دانشگاه Stellenbosch، آفریقای جنوبی، SASAMDAG)، Krzysztof Jajuga (Wroclaw de, Business, U of Economics، Poland. هلند، VOC)، مائوریتسیو ویچی (U La Sapienza Roma)، CLADAG)، مایکل گالاگر (دانشگاه بیلور، ایالات متحده، TCS)، پائولا بریتو (دانشگاه پورتو، پرتغال، CLAD)، سیمونا کورنجاک-کرن (دانشگاه لیوبلیانا، اسلوونی، STAT) و سونیا کولمن (دانشگاه اولستر، ایرلند شمالی، IPRCS). اوریا گران و تئودور چادجیپادلیس نیز به ترتیب به عنوان نمایندگان SEIO-AMyC و GSDA خدمت کردند. کنفرانس IFCS 2024 همزمان با کنفرانس محاسبات آماری آمریکای لاتین (LACSC)، نشست سالانه بخش منطقهای آمریکای لاتین انجمن بینالمللی محاسبات آماری (IASC) برگزار شد. IFCS و IASC از سال ۲۰۱۴ توافقنامه همکاری دارند. بیش از ۱۲۰ محقق از ۲۵ کشور در سراسر جهان در این کنفرانس شرکت کردند. بیش از ۹۴ مشارکت در جلسات ویژه، مسیرهای موضوعی، جلسات ارائه مقاله، یک جلسه پوستر، چهار آموزش و هشت سخنرانی اصلی سازماندهی شد. همچنین، مدال IFCS در مراسمی ویژه اعطا شد. سخنرانیهای اصلی توسط پاتریک جی. اف. گرونن (دانشگاه روتردام، هلند)، سوگنت لوبه (دانشگاه استلنبوش، آفریقای جنوبی)، آرنولدو مولر-مولینا (دانشگاه شیکاگو، ایالات متحده آمریکا)، بئاتریس کوبو (دانشگاه گرانادا، اسپانیا)، مارسلا آلفارو (LACSC – دانشگاه کالیفرنیا در سانتا کروز، ایالات متحده آمریکا) و مارکوس ماتابوئنا (LACSC – دانشگاه هاروارد، ایالات متحده آمریکا) ارائه شد. برنامه کنفرانس شامل چهار آموزش است: “تحلیل دادههای چندبعدی لجستیک” توسط مارک دِ روئی (دانشگاه لیدن، هلند)، “روشهای هوش مصنوعی” توسط تئودور چادجوپادلیس (دانشگاه ارسطو تسالونیکی، یونان)، “تحلیل دادههای تکرارپذیر” توسط مارسلا آلفارو، و “علم آمار با سلامت دیجیتال تلاقی میکند. تحلیل دادههای توزیعی در سلامت دیجیتال” توسط مارکوس ماتابوئنا. این کتاب، روشهای مدرن و کاربردهای دنیای واقعی در علوم داده، طبقهبندی و هوش مصنوعی مرتبط با مدلسازی تصمیمگیری را گردآوری کرده و طیف گستردهای از موضوعات تحقیقاتی و حوزههای کاربردی را پوشش میدهد. این کتاب برای محققان و متخصصانی در نظر گرفته شده است که به دنبال آخرین پیشرفتها و کاربردها در زمینه علوم داده و طبقهبندی هستند. مباحث، طیف گستردهای از حوزههای آمار و علوم داده را در بر میگیرد. آنها روشهای جدید و کاربردهای نوآورانهای را در زمینههایی مانند تشخیص ناهنجاری در فرآیندهای تدارکات عمومی، خوشهبندی دادههای عملکردی چند متغیره، پیشبینی آلودگی هوا، تولید معیار برای برنامهریزی احتمالی، سیستمهای توصیه مبتنی بر تجزیه و تحلیل دادههای نمادین و روشهای خوشهبندی دادههای ترکیبی ارائه میدهند. علاوه بر این، مفاهیم آماری پیشرفته، از جمله ابعاد واپنیک-چرووننکی، آمار ریمانی، آزمون فرضیه برای دادههای با مقدار بازه و مدلهای ترکیبی، بررسی میشوند. تکنیکهای یادگیری ماشین برای پیشبینی جوامع باکتریایی و قارچی خاک، طبقهبندی رفتار انتخاباتی و رقابت سیاسی و ارزیابی تخریب خوردگی در خطوط لوله معدن به کار گرفته میشوند. تنوع موضوعات، نشان دهنده پیشرفت مداوم و ماهیت بین رشتهای تحقیقات آماری و علوم داده و همچنین کاربرد آن در زمینهها و بخشهای مختلف است. این مطالعات به توسعه روشهای قوی و ابزارهای محاسباتی کارآمد برای پرداختن به چالشهای پیچیده در عصر کلانداده کمک میکنند.
The present volume contains revised, double-blind refereed versions of selected papers presented at the conference of the International Federation of Classification Societies, “Data Science, Classification and Artificial Intelligence for Modeling Decision Making”, which was held in San Jos´e, Costa Rica, from July 15–19, 2024. The conference was organized by Central American and Caribbean Society for Classification and Data Analysis (SoCCCAD) and the School of Mathematics and the Research Centre for Pure and Applied Mathematics of the University of Costa Rica. Javier Trejos (University of Costa Rica) chaired the Scientific Programm Committee with Angela Montanari (IFCS Past-president) and Rebecca Nugent (IFCS President). Javier Trejos, Mario Villalobos and Adriana S´anchez (University of Costa Rica) chaired the Local Organizing Committee. We are grateful to the members of the Scientific Program Committee: Adalbert Wilhelm (Constructor U, Germany, GfKl), Atsuho Nakayama (Doshisha U, Japan, JCS), Bal´azs Horv´ath (U E¨otv¨os Lor´and, Hungary, MST), Berthold Lausen (Essex U, United Kingdom, BDSS), Carlos Cuevas Covarrubias (U An´ahuac, Mexico, SOCCAD), Hyunjoong Kim (Yonsei U, Korea), Jean Diatta (U La R´eunion, France, SFC), Johan´e Nienkemper-Swanepoel (Stellenbosch University, South Africa, SASAMDAG), Krzysztof Jajuga (Wroclaw U of Economics and Business, Poland, SKAD), Mark de Rooij (Leiden U, The Netherlands, VOC), Maurizio Vichi (U La Sapienza Roma, CLADAG), Michael Gallaugher (Baylor U, USA, TCS), Paula Brito (U Porto, Portugal, CLAD), Simona Korenjak-Cˇ erne (Ljubljana U, Slovenia, STAT), and Sonya Coleman (Ulster U, North Ireland, IPRCS). Aurea Gran´e and Theodore Chadjipadelis served also as representatives of SEIO-AMyC and GSDA, respectively. The IFCS 2024 Conference was organized simultaneously with the Latin American Conference on Statistical Computing (LACSC), an annual meeting of the Latin American Regional Section of the International Association for Statistical Computing (IASC). IFCS and IASC have an agreement of cooperation since 2014. Over 120 scholars from 25 countries across the globe attended the conference. More than 94 contributions were organized into special sessions, thematic tracks, contributed paper sessions, one poster session, four tutorials, and eight keynote lectures. Also, the IFCS Medal was granted in a special ceremony. The keynote lectures were addressed by Patrick J.F. Groenen (Rotterdam University, The Netherlands), Sugnet Lubbe (Stellenbosch University, South Africa), Arnoldo M¨uller-Molina (Chicago University, USA), Beatriz Cobo (Granada University, Spain), Marcela Alfaro (LACSC – The University of California in Santa Cruz, USA), and Marcos Matabuena (LACSC – Harvard University, USA). The conference program includes four tutorials: “Logistic Multidimensional Data Analysis” by Mark De Rooij (Leiden University, The Netherlands), “Methods on Artificial Intelligence” by Theodore Chadjupadelis (Aristotle University of Thessaloniki, Greece), “Reproducible Data Analysis” by Marcela Alfaro, and “ Statistical Science Meets Digital Health. Distributional Data Analysis in Digital Health” by Marcos Matabuena. This book gathers modern methods and real-world applications in data science, classification, and artificial intelligence related to modeling decision making and covers a wide range of research topics and application areas. The book is intended for researchers and practitioners who seek the latest developments and applications in the field of data science and classification. The topics span a wide range of areas within statistics and data science. They present novel methods and innovative applications in fields such as anomaly detection in public procurement processes, multivariate functional data clustering, air pollution prediction, benchmark generation for probabilistic planning, recommendation systems based on symbolic data analysis, and methods for clustering mixed-type data. Furthermore, advanced statistical concepts are explored, including Vapnik- Chervonenkis dimensionality, Riemannian statistics, hypothesis testing for intervalvalued data, and mixed models. Machine learning techniques are applied to predict soil bacterial and fungal communities, classify electoral behavior and political competition, and assess corrosion degradation in mining pipelines. The diversity of topics reflects the ongoing advancement and interdisciplinary nature of statistical and data science research, as well as its application across various fields and sectors. These studies contribute to the development of robust methodologies and efficient computational tools to address complex challenges in the era of big data.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Data Science, Classification, and Artificial Intelligence for Modeling Decision Making
نظرات کاربران