Complex Event Processing

Verarbeitung von Ereignismustern in Datenströmen
Besorgungstitel - wird vorgemerkt | Lieferzeit: Besorgungstitel - Lieferbar innerhalb von 10 Werktagen I
Gewicht:
288 g
Format:
240x169x9 mm
Beschreibung:


Ulrich Hedtstück: Studium der Mathematik an der Universität Stuttgart. Von 1980 bis 1985 Assistent am Institut für Informatik der Universität Stuttgart, Promotion 1985 mit einem Thema der Theoretischen Informatik. Zwischen 1985 und 1990 Research Staff Member bei IBM Deutschland GmbH in Heidelberg und Stuttgart mit den Themengebieten Natural Language Processing und Künstliche Intelligenz. Seit 1990 Professor an der Fachhochschule Konstanz, Fakultät Informatik. Lehrgebiete: Algorithmen und Datenstrukturen, Theoretische Informatik, Diskrete Simulation, Wissensbasierte Systeme, Data Analytics. Forschungsschwerpunkte sind formale Modellbildung, Simulation und Complex Event Processing. Von SS 05 bis WS 08/09 Studiendekan der Fakultät Informatik. 2004, 2005 und 2008 Gastvorlesungen zum Thema "Simulation of Discrete Systems" an der Pontifíca Universidade Católica do Paraná in Curitiba (PUCPR), Brasilien.
Erstes Fachbuch des CEP auf Deutsch in dieser TiefeMacht Algorithmen der vernetzten Welt verständlich.
Einführung mit typischen Anwendungen.- Grundlegende Begriffe.- Ereignisströme.- Auswahlstrategien für komplexe Ereignisse.- Ereignismuster.- Beispiele für Event Processing Languages.- Complex Event Processing Engines.- Regelbasiertes Complex Event Processing.- Sofwarekonzepte für Complex Event Processing.- Abgrenzung des CEP.- Prädikantenlogik.- Index.
Eine wichtige Aufgabe für die IT der vernetzten Welt ist die maschinelle Auswertung und Verarbeitung von Informationen, die für eine Anwendung relevant sind und übers Netz verschickt werden. Mit Complex Event Processing (CEP) können große Mengen von zeitbehafteten Daten unterschiedlichster Art in nahezu Echtzeit analysiert und weiterverarbeitet werden. Die grundlegende Vorgehensweise beim CEP entspricht der menschlichen Entscheidungsfindung in Prozessabläufen des täglichen Lebens und stellt eine Erweiterung bekannter Methoden des Data Analytics wie Data Mining, statistische Analyse oder regelbasierte Wissensverarbeitung dar. Typische Anwendungsgebiete sind Big-Data-Systeme, Internet of Things, Industrie 4.0.

Kunden Rezensionen

Zu diesem Artikel ist noch keine Rezension vorhanden.
Helfen sie anderen Besuchern und verfassen Sie selbst eine Rezension.