ఇండెక్స్ చేయబడింది
  • అకడమిక్ జర్నల్స్ డేటాబేస్
  • J గేట్ తెరవండి
  • జెనామిక్స్ జర్నల్‌సీక్
  • JournalTOCలు
  • పరిశోధన బైబిల్
  • ఉల్రిచ్ పీరియాడికల్స్ డైరెక్టరీ
  • ఎలక్ట్రానిక్ జర్నల్స్ లైబ్రరీ
  • RefSeek
  • హమ్దార్డ్ విశ్వవిద్యాలయం
  • EBSCO AZ
  • OCLC- వరల్డ్ క్యాట్
  • విద్వాంసుడు
  • SWB ఆన్‌లైన్ కేటలాగ్
  • వర్చువల్ లైబ్రరీ ఆఫ్ బయాలజీ (విఫాబియో)
  • పబ్లోన్స్
  • మియార్
  • జెనీవా ఫౌండేషన్ ఫర్ మెడికల్ ఎడ్యుకేషన్ అండ్ రీసెర్చ్
  • యూరో పబ్
  • గూగుల్ స్కాలర్
ఈ పేజీని భాగస్వామ్యం చేయండి
జర్నల్ ఫ్లైయర్
Flyer image

నైరూప్య

బిగ్ డేటా అనలిటిక్స్, సవాళ్లు మరియు పరిష్కారాల కోసం లెర్నింగ్ మెషిన్ ఇంప్లిమెంటేషన్

అహ్మద్ N AL-మస్రీ మరియు మనల్ M నాసిర్

లెర్నింగ్ మెషిన్ (LM) అల్గారిథమ్‌లకు బిగ్ డేటా అనలిటిక్స్ గొప్ప సవాళ్లలో ఒకటి, ఎందుకంటే చాలా నిజ-జీవిత అప్లికేషన్‌లు భారీ సమాచారం లేదా పెద్ద డేటా నాలెడ్జ్ బేస్‌ను కలిగి ఉంటాయి. దీనికి విరుద్ధంగా, డేటా నాలెడ్జ్ బేస్‌తో కూడిన ఆర్టిఫిషియల్ ఇంటెలిజెంట్ (AI) సిస్టమ్ ఖచ్చితమైన మరియు వేగవంతమైన పద్ధతిలో ఫలితాన్ని గణించగలదు. ఈ అధ్యయనం బిగ్ డేటాతో ఉపయోగించడంలోని సవాళ్లు మరియు పరిష్కారాలపై దృష్టి సారించింది. డేటా ప్రాసెసింగ్ అనేది నిర్మాణాత్మకమైన బిగ్ డేటాను ఏదైనా LM మాడ్యూల్‌లో సెట్ చేసిన అర్ధవంతమైన మరియు ఆప్టిమైజ్ చేసిన డేటాగా మార్చడానికి ఒక తప్పనిసరి దశ. అయినప్పటికీ, పంపిణీ చేయబడిన ప్రాసెసింగ్ మరియు నిజ-సమయ అనువర్తనానికి మద్దతు ఇవ్వడానికి ఆప్టిమైజ్ చేయబడిన డేటా సెట్ తప్పనిసరిగా అమలు చేయబడాలి. ఈ పని ప్రస్తుతం బిగ్ డేటా విశ్లేషణ మరియు LM కంప్యూటేషన్‌లో ఉపయోగిస్తున్న సాంకేతికతలను సమీక్షించింది మరియు నిర్దిష్ట అప్లికేషన్‌ల కోసం విభిన్న పరిష్కారాలను ఉపయోగించడం వల్ల LM పనితీరును పెంచవచ్చని నొక్కి చెప్పింది. కొత్త అభివృద్ధి, ముఖ్యంగా క్లౌడ్ కంప్యూటింగ్ మరియు డేటా లావాదేవీ వేగం, AI అప్లికేషన్‌ల ఆచరణాత్మక ఉపయోగానికి గణనీయమైన ప్రయోజనాలను అందిస్తుంది.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్