دسته بندی:مرور منابع علمی

نقش تحلیلگری عظیم‌داده در اینترنت اشیاء صنعتی

اینترنت اشیاء صنعتی، فناوری اطلاعات را به فناوری عملیاتی تبدیل نموده و امکانات گسترده‌ای را برای ابزار دقیق فراهم آورده و منجر به بهره وری وسیع برای اکثر عملیات صنعتی می‌گردد. تولید عظیم‌داده در اینترنت اشیاء صنعتی به دلیل استقرار گسترده سنسورها و لوازم اینترنت اشیاءمشهود است.

عظیم‌داده: یادگیری عمیق برای تحلیل احساسات در حوزه‌ی مالی

در این مقاله با بررسی چالش‌های موجود در تحلیل عظیم‌داده و به طور خاص حوزه تحلیل احساسات، استفاده از الگوریتم‌های یادگیری عمیق را بر روی مجموعه داده‌های شبکه اجتماعی مالی مربوط به بازار بورس مطرح نموده است و چگونگی استفاده از تحلیل احساسات در این شبکه برای رسیدن به پیش‌بینی دقیقی از حرکت‌های آتی بازار مورد بررسی قرار گرفته است.

معرفی مقاله: “An analysis on new hybrid parameter selection model performance over big data set”

این مقاله یک مدل پارامترسازی جایگزین را ارائه می‌دهد که قادر به تولید مجموعه ویژگی بهینه بدون نیاز به صرف هزینه زیاد بوده که بر اساس دو مدل یکپارچه ساخته شده و می‌تواند به عنوان یک مدل جایگزین در یک فرآیند تحلیلگری عظیم‌داده مورد استفاده قرار گیرد.

معرفی مقاله "تعلیم و آموزش برای موفقیت مشاغل در عظیم‌داده و آنالیز کسب‌وکار"

در صورتی که ما استعداد کافی در مهارت‌های سخت ‌و ‌نرم‌ برای مواجهه با چالش BDBA را داشته باشیم، «عظیم داده و تجزیه‌و‌تحلیل کسب‌و‌کار» (BDBA) پتانسیل بسیار بالایی در افزایش ارزش سازمان دارد. در این مقاله تلاش شده تا به درک مجموعه مهارت مورد نیاز برای موفقیت در BDBA کمک شود.

معرفی مقاله: "An analytical study of information extraction from unstructured and multidimensional big data"

یکی از ویژگی‌های اصلی عظیم داده، تنوع در ساختار داده و وجود داده‌های غیرساختاریافته همچون داده‌های متنی، صوتی، تصویری و ویدیویی می‌باشد که تاکنون مقالات متعددی در مورد استخراج و تحلیل هر یک از این انواع داده منتشر شده است. در این مقاله با مرور سیستماتیک مجموعه مقالات انجام شده داده‌های غیرساختاریافته عظیم داده در بازه زمانی 2013 تا 2018، به دو سوال زیر به تفکیک هر یک از داده‌های متنی، صوتی، تصویری و ویدیویی پاسخ داده شده است.

عظیم‌داده در کشاورزی هوشمند

کشاورزی هوشمند یک رویه توسعه‌مدار است که بر استفاده از فناوری اطلاعات و ارتباطات در چرخه مدیریت مزارع فیزیکی-سایبری تاکید دارد. انتظار می‌رود که فناوری‌های جدید مانند اینترنت اشیاء و رایانش ابری در این فرایند مورد استفاده قرار گرفته و بکارگیری ربات‌ها و هوش مصنوعی در زمینه کشاورزی را بیش از پیش توسعه دهند.

اقتصاد در عصر عظیم‌داده

کیفیت و کمیت داده‌های مربوط به فعالیت‌های اقتصادی، با سرعت در حال رشد هستند. تحقیقات تجربی به شکل فزاینده‌ای، متکی بر داده‌های حجیم سازمانی یا داده‌های بخش خصوصی هستند. در این مقاله تعدادی از چالش‌های دسترسی به این داده‌ها و استفاده از آنها بررسی می‌شود. همچنین در این مقاله، روش‌های آماری و نوع سوالاتی که اقتصاددانان جایگزین روشهای قدیمی باید بکنند معرفی می‌شوند.

"داده‌کاوی با عظیم‌داده" "Data Mining with Big Data"

مقاله داده کاوری با عظیم داده تئوری HACE را ارائه می‌دهد که ویژگی‌های انقلاب عظیم داده‌ها را مشخص می‌کند و یک مدل پردازش عظیم داده‌ها را از دیدگاه داده کاوی ارائه می‌کند. این مدل داده‌ محور شامل جمع‌آوری تقاضا محور منابع اطلاعاتی، داده کاوی و تجزیه‌و‌تحلیل، مدل‌سازی مورد علاقه کاربران و ملاحظات امنیتی و حفظ حریم خصوصی است. در این مقاله تئوری مسائل چالش برانگیز در مدل داده محور و همچنین در انقلاب عظیم داده‌ها تجزیه‌و‌تحلیل شده است.

طراحی و آزمایش داشبورد بلادرنگ تحلیل متن شبکۀ اجتماعی توییتر

در این مقاله انواع ابزارها و زیرساخت‌های داده‌های جریانی عظیم داده در حوزه‌های متفاوت بررسی شده و بر مبنای بررسی‌های انجام شده، یک داشبورد بلادرنگ بر مبنای داده‌های جریانی شبکه‌های اجتماعی توییتر طراحی شده است.

معرفی مقاله تحلیل شبکه‌های اجتماعی

در این مقاله به موضوع نشر پیام‌ها و الگوی آنها در شبکه‌های اجتماعی پرداخته می‌شود. موضوع اثرگذاری در شبکه‌های اجتماعی (Social Influence) در سال‌های اخیر با رشد قابلیت‌های تحلیل داده و استفاده روزافزون کاربران از شبکه‌های اجتماعی اهمیت بسزایی پیدا کرده است.

"معرفی و بررسی مقاله " تحلیل اینترنت اشیا

اینترنت اشیا(Internet of Things) یک شبکه از موجودیت‌های فیزیکی هوشمند می‌باشد. این موجودیت‌های فیزیکی مقدار زیادی داده تولید می‌کنند. این مقاله به بررسی اینترنت اشیا و تحلیل عظیم‌داده‌ها از نظر ابزار برای ایجاد کاربردهای کارآمد، موثر و نوآورانانه برای طیف گسترده‌ای از حوزه‌ها می‌پردازد.

خوشه‌بندی محتوای رسانه‌های اجتماعی با استفاده از فناوری عظیم‌داده

یکی از مشکلات کلیدی در تحلیلگری رسانه های اجتماعی، طبقه بندی حساب کاربری بر اساس رسانه های آپلود شده توسط کاربران می باشد مشکلات اصلی در حل این مساله عبارتند از: ناهمگونی ماهیت محتوا (عکس ها، آثار هنری، کارت های تبریک و ...) حجم عظیم اطلاعات تجزیه و تحلیل شده که منجر به پیچیدگی بیش از حد محاسبات پردازشی می شود

طراحی توسط ب.علی‌میرزایی