بررسی الگوریتم یادگیری عمیق و چالش های آن در تجزیه و تحلیل داده های بزرگ
Publish place: اولین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,220
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITECH01_096
تاریخ نمایه سازی: 17 آبان 1396
Abstract:
تجزیه و تحلیل داده های بزرگ و یادگیری عمیق دو تمرکز مهم در علم فناوری اطلاعات هستند. داده ی بزرگ در بسیاری از سازمان های دولتی و خصوصی برای جمع آوری حجم انبوهی از اطلاعات در یک دامنه خاص نقش مهمی دارد، که می تواند شامل اطلاعات مفیدی در مورد مشکلاتی از قبیل اطلاعات ملی، امنیت سایبری، تشخیص تقلب، بازاریابی و انفورماتیک پزشکی باشد. شرکت هایی مانند گوگل و مایکروسافت در حال تجزیه و تحلیل حجم زیادی از داده ها برای تحلیل کسب و کار و تصمیم گیری درباره ی تکنولوژی آینده هستند. یکی از مزایای کلیدی یادگیری عمیق، تجزیه و تحلیل و یادگیری از حجم انبوهی از داده های بدون نظارت است، که در آن داده های خام تاحد زیادی بدون سازماندهی هستند. این م وضوع باعث شده به عنوان یک ابزار ارزشمند برای تجزیه و تحلیل داده ی بزرگ مورد استفاده قرار گیرد. در این مقاله بررسی می شود که الگوریتم یادگیری عمیق برای تجزیه و تحلیل داده های بزرگ با چه چالش هایی مواجه است. در ادامه سه مورداز این چالش ها، (جریان داده، داده های ابعاد بالا و مقیاس پذیری مدلها) مطرح می شود و راهکارهایی را برای برطرف کردن آنها ارایه خواهیم نمود.
Keywords:
Authors
زهرا قاسمی
گروه کامپیوتر، موسسه آموزش عالی کارون اهواز، اهواز، ایران