Інноваційні підходи до розробки алгоритмів машинного навчання для оброблення даних у реальному часі в системах Big Data
Ключові слова:
машинне навчання, обробка в реальному часі, алгоритми, масштабування, потокові дані, розподілені обчислення, глибоке навчання
Анотація
У статті розглядаються сучасні інноваційні підходи до розробки алгоритмів машинного навчання для оброблення даних у реальному часі в системах Big Data. Проаналізовано основні проблеми масштабування, продуктивності та складності алгоритмів машинного навчання. Запропоновано нові методи та архітектури, які сприяють ефективній обробці даних у реальному часі, зокрема потокове навчання, розподілені обчислення та використання гібридних моделей. Результати дослідження можуть бути застосовані у сферах фінансів, телекомунікацій, охорони здоров'я та інших галузях, де важлива швидка та точна обробка великих обсягів інформації.
Посилання
[1] Reinsel, D., Gantz, J., Rydning, J. The Digitization of the World: From Edge to Core. International Data Corporation, 2018.
[2] Zaharia, M., et al. Apache Spark: A Unified Engine for Big Data Processing. Communications of the ACM, 59(11), 56–65, 2016.
[3] Dean, J., et al. Large Scale Distributed Deep Networks. In Advances in Neural Information Processing Systems, 1223–1231, 2012.
[2] Zaharia, M., et al. Apache Spark: A Unified Engine for Big Data Processing. Communications of the ACM, 59(11), 56–65, 2016.
[3] Dean, J., et al. Large Scale Distributed Deep Networks. In Advances in Neural Information Processing Systems, 1223–1231, 2012.
Опубліковано
2025-11-13
Як цитувати
Паньків, В., Сторожук, О., & Гіссовська, Н. (2025). Інноваційні підходи до розробки алгоритмів машинного навчання для оброблення даних у реальному часі в системах Big Data. Комп’ютерне моделювання та інформаційні технології. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/326
Розділ
ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
