Big Data тенденции за 2017
от 17-12-2016 16:31
(5.7/10) 280Deep Learning
Deep Learning е набор от техники за машинно обучение, базирани на невронни мрежи, което все още се развива, но показва голям потенциал за решаване на бизнес проблеми. То дава възможност на компютрите да разпознават предмети, представляващи интерес в големи количества от неструктурирани и двоични данни, както и да се извеждат взаимоотношения без да се налага конкретни модели или програмните инструкции да бъдат зададени предварително.
Тези алгоритми са до голяма степен мотивирани от областта на изкуствения интелект, който има главна цел да подражава на способността на човешкия мозък да наблюдава, анализира, да учи и да взима решения, особено за изключително сложни проблеми. Една от основните концепции заложени в Deep Learning е разпределеното представяне на данните, в които голям брой възможни конфигурации на абстрактните характеристики на входните данни са осъществими, което дава възможност за компактно представяне на всяка проба и по-обхватна генерализация.
Deep Learning е преди всичко полезнн за изучаване на големи количества от немаркирани данни, което го прави привлекателно за извличане на смислени презентации и модели от Big Data. Например, може да се използва, за да се разграничат много различни видове данни, като форми, цветове и обекти във видео - или дори присъствието на котка в рамките на изображения, като невронната мрежа, построена от Google е направила през 2012 година.
В резултат на това предприятието най-вероятно ще отдели по-голямо внимание върху полу-контролирани или неконтролирани алгоритми за обучение, които да се справят с голям приток на данни.
In-Memory Analytics
За разлика от конвенционалния business intelligence (BI) софтуер, който работи със заявки, съхранявани на сървър твърди дискове, информацията се зарежда в RAM, която може значително да ускори аналитичното представяне чрез намаляване или дори премахване на дисковите I / O bottlenecks. С големите данни, наличието на терабайт системи и масивни паралелни обработки е това, което прави In-Memory по-интересно.
На този етап, анализът на големите данните е наистина откритие. Работещи повторения, за да се видят корелациите между точките от данни не се случват без милисекунди на латентност, умножени по милиони / милиарди повторения. Работа in memory е три пъти по-бързо, отколкото на диска.
През 2014 г. Gartner въвежда термина HTAP - Hybrid-на транзакция / аналитична обработка на информацията, за да се опише една нова технология, която позволява транзакции и анализиране да пребивават в една й съща база данни в паметта. ....
Дай твоята оценка за статията от 1 до 10 :
автор : AntipodesLtd • 0 коментара • 1164 прочитания • 308 уникални
таг : Big Data Deep Learning In-Memory Analytics business intelligence BI Big Data тенденции