Machine Learning and Knowledge Discovery in Databases, Kartoniert / Broschiert
Machine Learning and Knowledge Discovery in Databases
- European Conference, ECML PKDD 2019, Würzburg, Germany, September 16-20, 2019, Proceedings, Part II
(soweit verfügbar beim Lieferanten)
- Herausgeber:
- Ulf Brefeld, Elisa Fromont, Céline Robardet, Arno Knobbe, Marloes Maathuis, Andreas Hotho
- Verlag:
- Springer International Publishing, 05/2020
- Einband:
- Kartoniert / Broschiert, Paperback
- Sprache:
- Englisch
- ISBN-13:
- 9783030461461
- Artikelnummer:
- 9921698
- Umfang:
- 760 Seiten
- Nummer der Auflage:
- 20001
- Ausgabe:
- 1st edition 2020
- Gewicht:
- 1130 g
- Maße:
- 235 x 155 mm
- Stärke:
- 40 mm
- Erscheinungstermin:
- 2.5.2020
- Hinweis
-
Achtung: Artikel ist nicht in deutscher Sprache!
Weitere Ausgaben von Machine Learning and Knowledge Discovery in Databases |
Preis |
|---|
Klappentext
The three volume proceedings LNAI 11906 ¿ 11908 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2019, held in Würzburg, Germany, in September 2019. The total of 130 regular papers presented in these volumes was carefully reviewed and selected from 733 submissions; there are 10 papers in the demo track.
The contributions were organized in topical sections named as follows:
Part I: pattern mining; clustering, anomaly and outlier detection, and autoencoders; dimensionality reduction and feature selection; social networks and graphs; decision trees, interpretability, and causality; strings and streams; privacy and security; optimization.
Part II: supervised learning; multi-label learning; large-scale learning; deep learning; probabilistic models; natural language processing.
Part III: reinforcement learning and bandits; ranking; applied data science: computer vision and explanation; applied data science: healthcare; applied data science: e-commerce, finance, and advertising; applied data science: rich data; applied data science: applications; demo track.
Chapter "Incorporating Dependencies in Spectral Kernels for Gaussian Processes" is available open access under a Creative Commons Attribution 4.0 International License via link. springer. com.
Biografie (Andreas Hotho)
Prof. Dr. Andreas Hotho ist seit Dezember 2009 Professor an der Universität Würzburg und leitet die Forschungsgruppe für Data Mining und Information Retrieval an der Fakultät für Mathematik und Informatik. Seit 2011 ist er Mitglied des L3S. Er studierte bis 1998 Wirtschaftsinformatik an der Technischen Universität Braunschweig. Von 1999 bis 2004 war er wissenschaftlicher Mitarbeiter am Institut für Angewandte Informatik und Formale Beschreibungsverfahren an der Universität Karlsruhe. Dort promovierte er im Bereich Text Mining, Data Mining und Semantic Web und wendete diese Methoden auch zur Kundensegmentierung bei der Deutschen Telekom AG an. Von April 2004 bis Dezember 2009 war er wissenschaftlicher Assistent an der Universität Kassel und beschäftigte sich dort u.a. mit den Themen Semantic Web Mining, Ontology Learning und Web 2.0 im speziellen Social-Bookmarking- und Tagging-Systeme. Seit Ende 2005 leitet er die Entwicklung des bekannten Publikationsverwaltungssystems BibSonomy. Aktuell forscht er im Bereich Web Science mit Fokus auf der Analyse von Daten aus sozialen Netzen und Sensor Daten, die in ubiquitären Systemen in Kombination mit Nutzerinformationen entstehen. In der Vergangenheit organisierte er verschiedene Workshops auf der Schnittstelle zwischen Semantic Web, Web 2.0 und Data Mining, häufig in Verbindung mit den Tagungen ECML PKDD, KDD und ESWC.
