В этом цифровом мире каждый оставляет след.

Все большее количество подключенных к Интернету устройств, с которыми мы ежедневно взаимодействуем, записывают огромные объемы данных о нас.

У этого есть даже название - большие данные.

«Эрнст энд Янг» предлагает следующее определение: «Большие данные - это динамические, большие и разрозненные объемы данных, создаваемые людьми, инструментами и машинами. Требуются новые, инновационные и масштабируемые технологии для сбора, размещения и аналитической обработки огромного количества данных, собранных с целью получения бизнес-аналитики в реальном времени, касающейся потребителей, рисков, прибыли, производительности, управления производительностью и повышения акционерной стоимости. . »

Нет единого определения больших данных, но есть определенные элементы, которые являются общими для разных определений, например скорость, объем, разнообразие. , достоверность и значение. Это V больших данных, давайте поговорим о каждом из них:

1 Скорость: скорость, с которой накапливаются данные. Данные генерируются очень быстро и никогда не останавливаются. Потоковые, локальные и облачные технологии почти или в реальном времени позволяют обрабатывать информацию очень быстро.

2 Объем: масштаб данных или увеличение объема хранимых данных.

3 Разнообразие: разнообразие данных и их источников.

4 Достоверность: качество и происхождение данных, их соответствие фактам и точность.

Атрибуты данных должны включать согласованность, полноту, целостность и неоднозначность.

5 Ценность: наша способность и потребность превращать данные в ценность.

Ваша цель при работе с данными - принять бизнес-решение с помощью цифровой трансформации.

Цифровая трансформация - это интеграция цифровых технологий во все области бизнеса, приводящая к фундаментальным изменениям в том, как работает бизнес, и в ценности, которую они приносят своим клиентам.

Интеллектуальный анализ данных

Интеллектуальный анализ данных - это процесс автоматического поиска и анализа данных с целью выявления ранее не выявленных закономерностей. Он включает в себя предварительную обработку данных для их подготовки и преобразования в соответствующий формат.

После этого идеи и закономерности собираются и извлекаются с использованием различных инструментов и методов, от простых инструментов визуализации данных до машинного обучения и статистических моделей.

Машинное обучение ( подмножество ИИ )

Он использует компьютерные алгоритмы для анализа данных и принятия разумных решений на основе того, что было изучено, без явного программирования.

Глубокое обучение ( подмножество машинного обучения)

Он использует многоуровневые нейронные сети для имитации принятия решений человеком. Алгоритмы глубокого обучения могут маркировать и категоризировать информацию и определять закономерности. Это то, что позволяет системам ИИ постоянно учиться на работе и улучшать качество и точность результатов, определяя, были ли решения правильными.

Нейронные сети

Нейронная сеть в ИИ - это набор небольших вычислительных единиц, называемых нейронами, которые принимают входящие данные и учатся принимать решения с течением времени. Нейронные сети часто многослойны и являются причиной того, что алгоритмы глубокого обучения становятся более эффективными по мере увеличения объема наборов данных.

Наука о данных

Это процесс и метод извлечения знаний и идей из больших объемов разнородных данных. Это междисциплинарная область, включающая математику, статистический анализ, визуализацию данных, машинное обучение и многое другое. Это то, что позволяет нам присваивать информацию, видеть закономерности, находить смысл в больших объемах данных и использовать их для принятия решений, управляющих бизнесом.