Журнал интеллектуального анализа данных в геномике и протеомике

Абстрактный

Внедрение машинного обучения для аналитики больших данных, проблемы и решения

Ахмед Н. Аль-Масри и Манал М. Насир

Аналитика больших данных является одной из самых сложных задач для алгоритмов обучающихся машин (LM), поскольку большинство реальных приложений включают в себя массивную информацию или базу знаний больших данных. Напротив, система искусственного интеллекта (ИИ) с базой знаний данных должна иметь возможность вычислять результат точно и быстро. Это исследование было сосредоточено на проблемах и решениях использования с большими данными. Обработка данных является обязательным шагом для преобразования неструктурированных больших данных в значимый и оптимизированный набор данных в любом модуле LM. Однако оптимизированный набор данных должен быть развернут для поддержки распределенной обработки и приложения в реальном времени. В этой работе также были рассмотрены технологии, которые в настоящее время используются в анализе больших данных и вычислениях LM, и подчеркивалось, что жизнеспособность использования различных решений для определенных приложений может повысить производительность LM. Новая разработка, особенно в области облачных вычислений и скорости транзакций данных, предлагает значительные преимущества для практического использования приложений ИИ.