شماره ركورد كنفرانس :
5435
عنوان مقاله :
يادگيري ماشين در تجزيه و تحليل كلان داده
عنوان به زبان ديگر :
Machine learning in big data analysis
پديدآورندگان :
دستوري مهرداد s.dastouri@alumni.sbu.ac.ir دانشگاه شهيد بهشتي
كليدواژه :
يادگيري ماشين , كلان داده , دقت , كارايي , تصميم گيري , پيش بيني
عنوان كنفرانس :
نهمين همايش ملي مطالعات و تحقيقات نوين در حوزه علوم كامپيوتر، برق و مكانيك ايران
چكيده فارسي :
روش هاي يادگيري ماشين به طور گسترده در زمينه هاي مختلف علوم و مهندسي مانند تشخيص گفتار، طبقه بندي تصوير و پردازش زبان طبيعي استفاده مي شود. به طور مشابه، تكنيكهاي سنتي پردازش داده داراي محدوديتهاي متعددي براي پردازش حجم زيادي از دادهها است. علاوه بر اين، تجزيه و تحليل كلان داده به الگوريتم هاي جديد و پيچيده مبتني بر تكنيك هاي يادگيري ماشين براي پردازش داده ها در زمان واقعي با دقت و كارايي بالا نياز دارد. كلان داده ها اكنون به سرعت در همه حوزه هاي علمي و مهندسي در حال گسترش هستند. انتظار مي رود كه يادگيري از اين دادههاي عظيم فرصت هاي قابل توجه و پتانسيل تحول آفريني را براي بخش هاي مختلف به ارمغان آورد. با اين حال، بيشتر تكنيكهاي يادگيري ماشين سنتي ذاتاً كارآمد يا مقياسپذير نيستند تا دادهها را مديريت كنند. برخي از الگوريتمها و مدلهاي يادگيري ماشين كه در تجزيه و تحليل كلان داده استفاده ميشوند عبارتند از: شبكه عصبي عميق، ماشين بردار پشتيباني، درخت تصميم و ... . به طور خلاصه، يادگيري ماشين در تجزيه و تحليل كلان داده ابزارها و تكنيكهاي مهمي را فراهم ميكند كه به كمك آنها ميتوان اطلاعات مفيد و الگوهاي مختلف را از دادههاي بزرگ استخراج كرد و از آنها براي تصميمگيريهاي هوشمندانه و پيشبينيهاي دقيق استفاده نمود.
چكيده لاتين :
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