Indexado em
- Banco de Dados de Periódicos Acadêmicos
- Abra o Portão J
- Genamics JournalSeek
- JournalTOCs
- Bíblia de pesquisa
- Diretório de Periódicos de Ulrich
- Biblioteca de periódicos eletrônicos
- RefSeek
- Universidade de Hamdard
- EBSCO AZ
- OCLC- WorldCat
- Scholarsteer
- Catálogo online SWB
- Biblioteca Virtual de Biologia (vifabio)
- publons
- MIAR
- Fundação de Genebra para Educação e Pesquisa Médica
- Euro Pub
- Google Scholar
Links Úteis
Compartilhe esta página
Folheto de jornal
Periódicos de Acesso Aberto
- Agro e Aquicultura
- Alimentos e Nutrição
- Bioinformática e Biologia de Sistemas
- Bioquímica
- Ciência de materiais
- Ciencias ambientais
- Ciências Clínicas
- Ciências Farmacêuticas
- Ciências gerais
- Ciências Médicas
- Cuidados de enfermagem e saúde
- Engenharia
- Genética e Biologia Molecular
- Gestão de negócios
- Imunologia e Microbiologia
- Neurociência e Psicologia
- Química
Abstrato
Implementação de uma máquina de aprendizagem para análise, desafios e soluções de Big Data
Ahmed N AL-Masri e Manal M Nasir
A análise de Big Data é um dos grandes desafios para os algoritmos de Máquinas de Aprendizagem (LM), porque a maioria das aplicações da vida real envolve uma enorme base de informação ou conhecimento de big data. Por outro lado, um sistema de Inteligência Artificial (IA) com uma base de conhecimento de dados deve ser capaz de calcular o resultado de forma precisa e rápida. Este estudo focou-se nos desafios e soluções da utilização de Big Data. O processamento de dados é um passo obrigatório para transformar Big Data não estruturado num conjunto de dados significativo e otimizado em qualquer módulo LM. No entanto, um conjunto de dados otimizado deve ser implementado para suportar um processamento distribuído e uma aplicação em tempo real. Este trabalho também reviu as tecnologias atualmente utilizadas na análise de Big Data e na computação LM e enfatizou que a viabilidade da utilização de diferentes soluções para determinadas aplicações poderia aumentar o desempenho do LM. O novo desenvolvimento, especialmente na computação em nuvem e na velocidade de transação de dados, oferece vantagens significativas para a utilização prática de aplicações de IA.