Information and Communication Technologies for Agriculture?Theme II: Data by Bochtis, Dionysis D.; Moshou, Dimitrios E.; Vasileiadis, Giorgos; Balafoutis, Athanasios; Pardalos, Panos M.;

Sorozatcím: Springer Optimization and Its Applications; 183;

12% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 139.09
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

57 687 Ft (54 940 Ft + 5% áfa)
Kedvezmény(ek) 12% (cc. 6 922 Ft off)
Kedvezményes ár 50 765 Ft (48 347 Ft + 5% áfa)

57 687 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadás sorszáma 1st ed. 2022
Kiadó Springer International Publishing
Megjelenés dátuma 2023. március 19.
Kötetek száma 1 pieces, Book

ISBN 9783030841508
Kötéstípus Puhakötés
Lásd még 9783030841478
Terjedelem288 oldal
Méret 235x155 mm
Súly 468 g
Nyelv angol
Illusztrációk XIV, 288 p. 113 illus., 89 illus. in color. Illustrations, black & white

Kategóriák

Valószínűségelmélet és matematikai statisztika Alkalmazott matematika Adatkezelés a számítógépes rendszerekben Adatbázis kezelő szoftverek Menedzsment, vállalatirányítás Vállalkozások általában További könyvek a gazdaság területén További könyvek a matematika területén Környezetvédelem Környezettudomány általában Springer Yellow Sale

Hosszú leírás:

This volume is the second (II) of four under the main themes of Digitizing Agriculture and Information and Communication Technologies (ICT). The four volumes cover rapidly developing processes including Sensors (I), Data (II), Decision (III), and Actions (IV). Volumes are related to ?digital transformation? within agricultural production and provision systems, and in the context of Smart Farming Technology and Knowledge-based Agriculture. Content spans broadly from data mining and visualization to big data analytics and decision making, alongside with the sustainability aspects stemming from the digital transformation of farming. The four volumes comprise the outcome of the 12th EFITA Congress, also incorporating chapters that originated from select presentations of the Congress.

The first part of this book (II) focuses on data technologies in relation to agriculture and presents three key points in data management, namely, data collection, data fusion, and their uses in machine learning and artificial intelligent technologies. Part 2 is devoted to the integration of these technologies in agricultural production processes by presenting specific applications in the domain. Part 3 examines the added value of data management within agricultural products value chain.

The book provides an exceptional reference for those researching and working in or adjacent to agricultural production, including engineers in machine learning and AI, operations management, decision analysis, information analysis, to name just a few.

Specific advances covered in the volume:

Big data management from heterogenous sources
Data mining within large data sets
Data fusion and visualization
IoT based management systems
Data Knowledge Management for converting data into valuable information
Metadata and data standards for expanding knowledge through different data platforms
AI - based image processing for agricultural systems
Data - based agricultural business
Machine learning application in agricultural products value chain

Több

Tartalomjegyzék:

Section 1 Data Technologies: You Got Data.... Now What: Building the Right Solution for the Problem (Jackman).- Data fusion and its applications in Agriculture (Moshou).- Machine learning technology and its current implementation in agriculture (Anagnostis).- Section 2 Applications: Application possibilities of IoT based management systems in agriculture (To?th).- Plant species detection using image processing and deep learning: A mobile-based application (Mangina).- Computer vision-based detection and tracking in the olive sorting pipeline (Gogos).- Integrating spatial with qualitative data to monitor land use intensity: evidence from arable land ? animal husbandry systems (Vasilakos).- Air drill seeder distributor head evaluation: a comparison between laboratory tests and Computational Fluid Dynamics simulations (R. Scola).- Section 3 Value Chain: Data - based agricultural business continuity management policies (Podaras).- Soybean price trend forecast using deep learning techniques based on prices and text sentiments (F. Silva).- Use of unsupervised machine learning for agricultural supply chain data labeling (F. Silva).