بررسی چالش های مربوط به روشهای یادگیری ماشین در مواجهه با کلان داده

ظهور و پیدایش کلان داده باعث ایجاد فرصتهای بیشماری در عرصه های مختلف برای تغییر فرآیندهای موجود و یا بهینه سازی آنها شده است. میزان استفاده از این فرصتها به میزان توانایی استخراج دانش از آنها توسط تحلیل و بررسی داده ها بستگی دارد. روش های یادگیری ماشین به خاطر توانایی یادگیری و کشف الگوهای پنهان موجود در داده و کمک به پیشبینی و تصمیم گیری، یکی از بهترین روشهای تحلیل داده محسوب میشود اما اغلب روشهای فعلی یادگیری ماشین در مواجهه با کلان داده قادر به اجرا مناسبی نیستند و دچار مشکلات و چالش هایی میشوند.در این گزارش ابتدا به بیان مفاهیمی همچون کلان داده و یادگیری ماشین و همچنین چالشهایی که برای روشهای یادگیری ماشین در مواجهه با کلان داده پدید میآیند پرداخته شده است. سپس رویکردها و پژوهشهایی که پیشتر در مواجهه با کلان داده توسط روشهای یادگیری ماشین انجام شده است، مورد بررسی قرار گرفته اند. درنهایت نیز با بررسی نقاط ضعف پژوهشهای پیشین، رویکرد جدیدی برای رفع مشکلات و تقویت آنها پیشنهادشده است.

کلیدواژه ها:

تحلیل داده ، کلان داده ، یادگیری ماشین ، چارچوب هدوپ ، کتابخانه های اسپارک