Machine Learning under Resource Constraints addresses novel machine learning algorithms that are challenged by high-throughput data, by high dimensions, or by complex structures of the data in three volumes. Resource constraints are given by the relation between the demands for processing the data and the capacity of the computing machinery. The resources are runtime, memory, communication, and energy. Hence, modern computer architectures play a significant role. Novel machine learning algorithms are optimized with regard to minimal resource consumption. Moreover, learned predictions are executed on diverse architectures to save resources. It provides a comprehensive overview of the novel approaches to machine learning research that consider resource constraints, as well as the application of the described methods in various domains of science and engineering.

Volume 3 describes how the resource-aware machine learning methods and techniques are used to successfully solve real-world problems. The book provides numerous specific application examples. In the areas of health and medicine, it is demonstrated how machine learning can improve risk modelling, diagnosis, and treatment selection for diseases. Machine learning supported quality control during the manufacturing process in a factory allows to reduce material and energy cost and save testing times is shown by the diverse real-time applications in electronics and steel production as well as milling. Additional application examples show, how machine-learning can make traffic, logistics and smart cities more effi cient and sustainable. Finally, mobile communications can benefi t substantially from machine learning, for example by uncovering hidden characteristics of the wireless channel.

Informazioni sull'autore

Katharina Morik received her doctorate from the University of Hamburg in 1981 and her habilitation from the TU Berlin in 1988. In 1991, she established the chair of Artificial Intelligence at the TU Dortmund University. She is a pioneer of machine learning contributing substantially to inductive logic programming, support vector machines, probabilistic graphical models. In 2011, she acquired the Collaborative Research Center SFB 876 "Providing Information by Resource-Constrained Data Analysis", of which she is the spokesperson. and computing architectures together so that machine learning models may be executed or even trained on resource restricted devices. It consists of 12 projects and a graduate school for more than 50 Ph. D. students. She is a spokesperson of the Competence Center for Machine Learning Rhein Ruhr (ML2R) and coordinator of the German competence centers for AI. She is the author of more than 200 publications in prestigious journals and conferences. She was a founding member, Program Chair and Vice Chair of the conference IEEE International Conference on Data Mining (ICDM) and is a member of the steering committee of and was Program Chair of ECML PKDD. Together with Volker Markl, Katharina Morik heads the working group "Technological Pioneers" of the platform "Learning Systems and Data Science" of the BMBF. Prof. Morik has been a member of the Academy of Technical Sciences since 2015 and of the North Rhine-Westphalian Academy of Sciences and Arts since 2016. She has been awarded Fellow of the German Society of Computer Science GI e.V. in 2019. Christian Wietfeld: Prof. Christian Wietfeld is head of the Chair of Communication Networks at TU Dortmund University since 2005. He graduated and received his doctorate from RWTH Aachen. His research interest focusses on future mobile communications networks, especially for safety-critical applications, e.g., in road traffic, logistics, energy technology, and robotics. His research work is documented in numerous publications as well as patents (13 international best paper awards, 5300+ citations). He has also co-founded several award-winning start-ups. Currently, the focus of his research is on 5G and 6G networks, e.g., in the 5G Competence Center funded by the state of North Rhine-Westphalia, where the potential of 5G technology for industrial production and other scenarios with particularly demanding requirements is being explored. Being the Co-Speaker of the Collaborative Research Center 876, he is investigating the use of novel artificial intelligence methods for reliable mobile networks of future generations. Since August 2021, he has been leading the activities of TU Dortmund University in the BMBF-funded 6G Research Hub 6GEM as site spokesperson.

J�rg Rahnenf�hrer: Prof. Dr. J�rg Rahnenf�hrer is professor for "Statistical methods in genetics and chemometrics" at the Department of Statistics at TU Dortmund University. After obtaining a PhD in mathematics from the University of D�sseldorf he worked as a postdoc in Vienna, Berkeley, Omaha, and at the Max Planck Institute for Informatics in Saarbr�cken. The respective departments covered a wide range of fields, including mathematics, statistics, biostatistics, genetics, and computer science. His group at TU Dortmund develops and applies in interdisciplinary projects statistical methods mainly for applications in bioinformatics, toxicology, and medicine. He has particularly worked successfully on the meaningful exploitation of high-dimensional omics data and as a member of the SFB 876 on hyperparameter optimization in statistical learning methods. Since 2021 he is the spokesperson of the DFG-funded Research Training Group (RTG) 2624 "Biostatistical Methods for High-Dimensional Data in Toxicology".

Le informazioni nella sezione "Su questo libro" possono far riferimento a edizioni diverse di questo titolo.

Descrizione libreria

Visita la pagina della libreria

Informazioni sull'azienda del venditore

Edward Bowditch Ltd
Exstowe, Exton, Exeter, EX3 0PP, United Kingdom

Condizioni di vendita e spedizione

Condizioni di vendita

Legal entity name: Edward Bowditch Ltd
Legal entity form: Limited company
Business correspondence address: Exstowe, Exton, Exeter, EX3 0PP
Company registration number: 04916632
VAT registration: GB834241546
Authorised representative: Mr. E. Bowditch

Diritto di recesso

Se sei un consumatore puoi recedere dal contratto in conformit� con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attivit� commerciale, imprenditoriale, artigianale o professionale.

Informazioni sul diritto di recesso

Diritto legale di recesso

Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.

Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.

Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).

Per rispettare il termine di recesso, � sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.

Effetti del recesso

In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).

Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.

Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.

Il rimborso sar� effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.

Possiamo trattenere il rimborso finch� non avremo ricevuto i beni oppure finch� non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.

Dovrai rispedire i beni o consegnarli a Revaluation Books, Hounslow, United Kingdom, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volont� di recedere dal presente contratto. Il termine � rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.

Eccezioni al diritto di recesso

Il diritto di recesso non si applica a:

La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.

Condizioni di spedizione

Orders usually dispatched within two working days.

Tariffe di spedizione da Regno Unito a U.S.A.

Tariffe di spedizione da Regno Unito a U.S.A.
Quantit� dell'ordine	Da 7 a 14 giorni lavorativi	Da 2 a 3 giorni lavorativi
Primo articolo	EUR 14.61	EUR 29.21

I tempi di consegna sono stabiliti dai venditori e variano in base al corriere e al paese. Gli ordini che devono attraversare una dogana possono subire ritardi e spetta agli acquirenti pagare eventuali tariffe o dazi associati. I venditori possono contattarti in merito ad addebiti aggiuntivi dovuti a eventuali maggiorazioni dei costi di spedizione dei tuoi articoli.