اکسپرس 24
ترجمه فارسی مقاله بررسی مقیاس‌پذیری در سری‌های زمانی بزرگ‌مقیاس در چارچوب DeepVATS

ترجمه فارسی مقاله بررسی مقیاس‌پذیری در سری‌های زمانی بزرگ‌مقیاس در چارچوب DeepVATS

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Exploring Scalability in Large-Scale Time Series in DeepVATS framework
عنوان مقاله به فارسی بررسی مقیاس‌پذیری در سری‌های زمانی بزرگ‌مقیاس در چارچوب DeepVATS
نویسندگان Inmaculada Santamaria-Valenzuela, Victor Rodriguez-Fernandez, David Camacho
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 8 August, 2024; originally announced August 2024. , Comments: Admitted pending publication in Lecture Notes in Network and Systems (LNNS) series (Springer). Code available at https://github.com/vrodriguezf/deepvats
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: در انتظار انتشار در یادداشت های سخنرانی در سری شبکه و سیستم (LNNS) (Springer) پذیرفته شده است.کد موجود در https://github.com/vrodriguezf/deepvats

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Visual analytics is essential for studying large time series due to its ability to reveal trends, anomalies, and insights. DeepVATS is a tool that merges Deep Learning (Deep) with Visual Analytics (VA) for the analysis of large time series data (TS). It has three interconnected modules. The Deep Learning module, developed in R, manages the load of datasets and Deep Learning models from and to the Storage module. This module also supports models training and the acquisition of the embeddings from the latent space of the trained model. The Storage module operates using the Weights and Biases system. Subsequently, these embeddings can be analyzed in the Visual Analytics module. This module, based on an R Shiny application, allows the adjustment of the parameters related to the projection and clustering of the embeddings space. Once these parameters are set, interactive plots representing both the embeddings, and the time series are shown. This paper introduces the tool and examines its scalability through log analytics. The execution time evolution is examined while the length of the time series is varied. This is achieved by resampling a large data series into smaller subsets and logging the main execution and rendering times for later analysis of scalability.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل بصری به دلیل توانایی آشکار کردن روندها ، ناهنجاری ها و بینش ها برای مطالعه سری های بزرگ بزرگ ضروری است.DeepVats ابزاری است که یادگیری عمیق (عمیق) را با تجزیه و تحلیل بصری (VA) برای تجزیه و تحلیل داده های سری بزرگ (TS) ادغام می کند.این سه ماژول به هم پیوسته است.ماژول یادگیری عمیق ، که در R توسعه یافته است ، بار مجموعه داده ها و مدل های یادگیری عمیق را از و به ماژول ذخیره سازی مدیریت می کند.این ماژول همچنین از آموزش مدل ها و دستیابی به تعبیه ها از فضای نهفته مدل آموزش دیده پشتیبانی می کند.ماژول ذخیره سازی با استفاده از سیستم وزنه و تعصب کار می کند.پس از آن ، این تعبیه ها می توانند در ماژول تحلیلی بصری مورد تجزیه و تحلیل قرار گیرند.این ماژول ، بر اساس یک برنامه براق R ، امکان تنظیم پارامترهای مربوط به طرح ریزی و خوشه بندی فضای تعبیه را فراهم می کند.پس از تنظیم این پارامترها ، توطئه های تعاملی که هر دو تعبیه را نشان می دهند ، و سری زمانی نشان داده می شود.در این مقاله ابزار ارائه شده و مقیاس پذیری آن را از طریق تجزیه و تحلیل ورود به سیستم بررسی می کند.تکامل زمان اجرای در حالی که طول سری زمانی متنوع است ، بررسی می شود.این امر با استفاده مجدد از یک سری داده های بزرگ در زیر مجموعه های کوچکتر و ورود به سیستم اصلی و زمان ارائه برای تجزیه و تحلیل بعدی مقیاس پذیری حاصل می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.