|
|
یادگیری ماشین در تجزیه و تحلیل کلان داده
|
|
|
|
|
نویسنده
|
دستوری مهرداد
|
منبع
|
نهمين همايش ملي مطالعات و تحقيقات نوين در حوزه علوم كامپيوتر، برق و مكانيك ايران - 1402 - دوره : 9 - نهمین همایش ملی مطالعات و تحقیقات نوین در حوزه علوم کامپیوتر، برق و مکانیک ایران - کد همایش: 02230-26102 - صفحه:0 -0
|
چکیده
|
روش های یادگیری ماشین به طور گسترده در زمینه های مختلف علوم و مهندسی مانند تشخیص گفتار، طبقه بندی تصویر و پردازش زبان طبیعی استفاده می شود. به طور مشابه، تکنیکهای سنتی پردازش داده دارای محدودیتهای متعددی برای پردازش حجم زیادی از دادهها است. علاوه بر این، تجزیه و تحلیل کلان داده به الگوریتم های جدید و پیچیده مبتنی بر تکنیک های یادگیری ماشین برای پردازش داده ها در زمان واقعی با دقت و کارایی بالا نیاز دارد. کلان داده ها اکنون به سرعت در همه حوزه های علمی و مهندسی در حال گسترش هستند. انتظار می رود که یادگیری از این دادههای عظیم فرصت های قابل توجه و پتانسیل تحول آفرینی را برای بخش های مختلف به ارمغان آورد. با این حال، بیشتر تکنیکهای یادگیری ماشین سنتی ذاتاً کارآمد یا مقیاسپذیر نیستند تا دادهها را مدیریت کنند. برخی از الگوریتمها و مدلهای یادگیری ماشین که در تجزیه و تحلیل کلان داده استفاده میشوند عبارتند از: شبکه عصبی عمیق، ماشین بردار پشتیبانی، درخت تصمیم و ... . به طور خلاصه، یادگیری ماشین در تجزیه و تحلیل کلان داده ابزارها و تکنیکهای مهمی را فراهم میکند که به کمک آنها میتوان اطلاعات مفید و الگوهای مختلف را از دادههای بزرگ استخراج کرد و از آنها برای تصمیمگیریهای هوشمندانه و پیشبینیهای دقیق استفاده نمود.
|
کلیدواژه
|
یادگیری ماشین، کلان داده، دقت، کارایی، تصمیم گیری، پیش بینی
|
آدرس
|
, iran
|
پست الکترونیکی
|
s.dastouri@alumni.sbu.ac.ir
|
|
|
|
|
|
|
|
|
machine learning in big data analysis
|
|
|
Authors
|
|
Abstract
|
abstract machine learning methods are widely used in various fields of science and engineering such as speech recognition, image classification and natural language processing. similarly, traditional data processing techniques have several limitations for processing large amounts of data. in addition, big data analysis requires new and complex algorithms based on machine learning techniques to process data in real time with high accuracy and efficiency. big data is now rapidly expanding in all fields of science and engineering. it is expected that learning from this huge data will bring significant opportunities and transformative potential for different sectors. however, most traditional machine learning techniques are not inherently efficient or scalable to handle data. some of the machine learning algorithms and models used in big data analysis are: deep neural network, support vector machine, decision tree, etc. in summary, machine learning in big data analysis provides important tools and techniques with the help of which useful information and various patterns can be extracted from big data and used for intelligent decision making and accurate predictions
|
Keywords
|
machine learning ,big data ,accuracy ,efficiency ,decision making ,prediction.
|
|
|
|
|
|
|
|
|
|
|