Provenance in Data Science -

Format: Broché

Voir le descriptif

Note : 0

0 avis

Soyez le premier à donner un avis

Vous en avez un à vendre ?

Vendez-le-vôtre

163,60 €

Produit Neuf

Ou 40,90 € /mois

Livraison à 0,01 €
Livré entre le 15 et le 22 mai

Voir les modes de livraison

RiaChristie

PRO Vendeur favori

4,9/5 sur + de 1 000 ventes

Brand new, In English, Fast shipping from London, UK; Tout neuf, en anglais, expédition rapide depuis Londres, Royaume-Uni;ria9783030676834_dbm

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Avis sur Provenance In Data Science Format Broché - Livre Informatique

Note : 0 0 avis sur Provenance In Data Science Format Broché - Livre Informatique

Donnez votre avis

Donnez votre avis sur ce produit

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Présentation Provenance In Data Science Format Broché
- Livre Informatique

Livre Informatique - 01/04/2022 - Broché - Langue : Anglais

Editeur : Springer International Publishing Ag

Langue : Anglais

Parution : 01/04/2022

Format : Moyen, de 350g à 1kg

Nombre de pages : 124

Expédition : 201

Dimensions : 23.5 x 15.5 x 0.8

ISBN : 9783030676834

Résumé :

RDF-based knowledge graphs require additional formalisms to be fully context-aware, which is presented in this book. This book also provides a collection of provenance techniques and state-of-the-art metadata-enhanced, provenance-aware, knowledge graph-based representations across multiple application domains, in order to demonstrate how to combine graph-based data models and provenance representations. This is important to make statements authoritative, verifiable, and reproducible, such as in biomedical, pharmaceutical, and cybersecurity applications, where the data source and generator can be just as important as the data itself.

Capturing provenance is critical to ensure sound experimental results and rigorously designed research studies for patient and drug safety, pathology reports, and medical evidence generation. Similarly, provenance is needed for cyberthreat intelligence dashboards and attack maps that aggregate and/or fuse heterogeneous data from disparate data sources to differentiate between unimportant online events and dangerous cyberattacks, which is demonstrated in this book. Without provenance, data reliability and trustworthiness might be limited, causing data reuse, trust, reproducibility and accountability issues.

This book primarily targets researchers who utilize knowledge graphs in their methods and approaches (this includes researchers from a variety of domains, such as cybersecurity, eHealth, data science, Semantic Web, etc.). This book collects core facts for the state of the art in provenance approaches and techniques, complemented by a critical review of existing approaches. New research directions are also provided that combine data science and knowledge graphs, for an increasingly important research topic.

Sommaire:
The Evolution of Context-Aware RDF Knowledge Graphs.- Data Provenance and Accountability on the Web.- The Right (Provenance) Hammer for the Job: a Comparison of Data Provenance Instrumentation.- Contextualized Knowledge Graphs in Communication Network and Cyber-Physical System Modeling.- ProvCaRe: A Large-Scale Semantic Provenance Resource for Scientific Reproducibility.- Graph-Based Natural Language Processing for the Pharmaceutical Industry....

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

Provenance in Data Science -

Avis sur Provenance In Data Science Format Broché - Livre Informatique

Présentation Provenance In Data Science Format Broché - Livre Informatique

Présentation Provenance In Data Science Format Broché
- Livre Informatique