Computational Intelligence for Big Data Analysis

Obra académica publicada por Springer en su colección 'Studies in Big Data', compilada por D.P. Acharjya, Satchidananda Dehuri y Sugata Sanyal. El libro aborda cómo las técnicas de inteligencia computacional y computación flexible (soft computing) permiten superar las dificultades intrínsecas a las dimensiones del Big Data (volumen, velocidad, variedad y veracidad). Está destinado a investigadores, científicos de datos e ingenieros de software con conocimientos intermedios en álgebra lineal, probabilidad y fundamentos de aprendizaje automático o algoritmos bioinspirados.

La estructura se divide en dos secciones principales: una parte teórica y otra de avances y aplicaciones de frontera. En la vertiente teórica examina modelos computacionales de incertidumbre, agrupamiento escalable (clustering) y el diseño de sistemas distribuidos tolerantes a fallos (como el sistema Atrain). En la vertiente aplicada detalla el uso de conjuntos aproximados (rough sets / rough computing), lógica difusa (fuzzy logic), redes neuronales artificiales y algoritmos genéticos o evolutivos en dominios reales como la detección de intrusiones en redes (IDS), la segmentación de imágenes médicas y la minería de bases de datos masivas respetando la privacidad.

El texto ofrece un tratamiento matemático y algorítmico profundo, respaldado por estudios empíricos y análisis comparativos en cada capítulo. No presenta proyectos guiados de desarrollo ni código listo para producción con librerías contemporáneas como PyTorch o Scikit-Learn; su beneficio principal radica en proporcionar bases metodológicas para resolver problemas con datos imprecisos, ruidosos o de gran escala donde los algoritmos convencionales pierden eficacia.