مروری بر به کارگیری یادگیری ماشین در تحلیل داده های بزرگ

تجزیه و تحلیل کلان داده یکی از محورهای اصلی علم داده است و شکی نیست که داده های بزرگ اکنون به سرعت در همه زمینه های علوم و مهندسی در حال رشد هستند. تجزیه و تحلیل دادههای بزرگ و فرآیند بررسی بسیار متنوع است که می تواند به سازمانها در اتخاذ تصمیمات تجاری آگاهانه تر کمک کند، به ویژه برای کشف الگوهای پنهان، همبستگی های ناشناخته ، روندهای بازار، ترجیحات مشتری و سایر اطلاعات میتواند مفید باشد. از آنجایی که سازمانهای متعددی با حجم عظیمی از اطلاعات خاص سروکار دارند، دادههای بزرگ ضروری شده اند، که می تواند حاوی اطلاعات مفیدی درباره مشکلاتی مانند هوش ملی ، امنیت سایبری، زیست شناسی ، کشف تقلب ، بازاریابی ، نجوم و انفورماتیک پزشکی باشد. چندین تکنیک امیدوارکننده یادگیری ماشین را می توان برای تجزیه و تحلیل داده های بزرگ از جمله یادگیری بازنمایی ، یادگیری عمیق ، یادگیری توزیع شده و موازی، یادگیری انتقال، یادگیری فعال و یادگیری مبتنی بر هسته مورد استفاده قرار داد. علاوه بر این ، تجزیه و تحلیل دادههای بزرگ نیازمند الگوریتم های جدید و پیچیدهای مبتنی بر تکنیک های یادگیری ماشینی است تا دادهها را در زمان واقعی با دقت و بهره وری بالا پردازش کند.ما در این مقاله به بررسی یکی از روش های تجزیه و تحلیل داده های بزرگ یعنی یادگیری ماشین می پردازیم .یادگیری ماشین بخشی از روش های تحلیل داده در قالب هوش مصنوعی می باشد که به تازگی مورد استفاده مراکز علمی و تحقیقاتی قرار گرفته است .ما پس از بررسی این موضوع قصد داریم در تحقیقات بعدی داده های بزرگ در شرکت های نفتی کشور ایران را مورد ارزیابی و بررسی و مطالعه قرار دهیم .

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، داده های بزرگ