ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ И ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ
https://doi.org/10.35596/1729-7648-2019-124-6-62-71
Аннотация
В работе рассматривается понятие «интеллектуальный анализ данных», описывается концепция облачных вычислений. В качестве примера реализации интеллектуального анализа в виде облачных вычислений рассматривается система, разработанная и развернутая на вычислительном кластере кафедры ЭВМ БГУИР. Приводятся некоторые результаты проведения исследований при помощи данной системы.
Об авторах
М. М. Татур
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Доктор технических наук, профессор, профессор кафедры электронных вычислительных машин
220013, г. Минск, ул. П. Бровки, 6
М. М. Лукашевич
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Кандидат технических наук, доцент, декан факультета компьютерных систем и сетей
220013, г. Минск, ул. П. Бровки, 6
Д. Ю. Перцев
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Научный сотрудник НИЛ 3.6 НИЧ
220013, г. Минск, ул. П. Бровки, 6
Н. А. Искра
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Искра Наталья Александровна, старший преподаватель кафедры электронных вычислительных машин
220013, г. Минск, ул. П. Бровки, 6
Список литературы
1. Поиск, визуализация скрытых зависимостей и прогнозирования развития ситуаций на базе технологий Data Mining & Knowledge Discovery / М.М. Татур [и др.] // Сб. матер. конф. «BIG DATA and Advanced Analytics». Минск, 2016. С. 194–196.
2. Живицкая Е.Н., Пархименко В.А., Татур М.М. Технологии Data Mining & Knowledge Discovery в принятии решений в области маркетинга, менеджмента и логистики // Сб. матер. конф. «Сучасні проблеми і досягнення в галузі радіотехніки, теле-комунікацій та інформаційних технологій». Запорожье, 2016. С. 326–329.
3. Применение методов DataMining и Knowledge Discovery в оперативно-розыскной деятельности / С.Н. Нефедов [и др.] // Сб. матер. конф. «Актуальные проблемы оперативно-розыскной деятельности». Минск, 2017. С. 70–72.
4. Татур М.М. Особенности построения вычислителей интеллектуальной обработки данных // Информатика. 2015. № 1 (45). С. 39–44.
5. К вопросу о подготовке данных для решения задач Data Mining / Е. Н. Живицкая [и др.] // Сб. матер. конф. «BIG DATA and Advanced Analytics». Минск, 2017. С. 288–292.
6. Интеллектуальный анализ данных: trend или application? / М.М. Татур [и др.] // Сб. матер. конф. «Информационные технологии и системы». Минск, 2017. С. 10–12.
7. Tatur М.M., Iskra N.A. Intelligent Data Analysis: From Theory to Practice // Сб. матер. конф. «Открытые семантические технологии проектирования интеллектуальных систем». Минск, 2018. С. 171–175.
8. Мюллер А., Гвидо С. Введение в машинное обучение с помощью Python: руководство для специалистов по работе с данными. М., 2017. 393 с.
9. Силен Д., Мейсман А., Али М. Основы Data Science и Big Data. Python и наука о данных. СПб.: Питер, 2017. 336 с.
10. Mell P., Grance T. The NIST Definition of Cloud Computing / Recommendations of the National Institute of Standards and Technology. NIST, 2011.
11. Marinescu D.C. Cloud Computing: Theory and Practice. Morgan Kaufmann, 2017. 588 p.
12. Bhowmik S. Cloud Computing. Cambridge University Press, 2017. 426 p.
13. Демидчук А.И., Перцев Д.Ю., Самаль Д.И. Учебно-исследовательская система обработки больших данных // BIG DATA and Advanced Analytics. Минск: БГУИР, 2017. С. 170–173.
14. Система обработки больших данных на основе вычислительного кластера БГУИР / Д. И. Самаль [и др.] // Сб. матер. конф. «BIG DATA Advanced Analytics». Минск, 2018. С. 220–256.
15. Интеллектуальная обработка больших объемов данных на основе технологий MPI и CUDA. Лабораторный практикум : пособие / А. И. Демидчук [и др.]. Минск : БГУИР, 2017. 60 с.
16. Zeppelin [Электронный ресурс]. URL: http://zeppelin.apache.org/ (дата обращения: 20.01.2019).
17. Scikit-learn: Machine Learning in Python [Электронный ресурс]. URL: https://scikit-learn.org/stable/ (дата обращения: 20.01.2019).
18. MLib Apache Spark [Электронный ресурс]. URL: https://spark.apache.org/mllib/ (дата обращения: 20.01.2019).
19. Theano 1.0.0 documentation [Электронный ресурс]. URL: http://deeplearning.net/software/theano/ (дата обращения: 20.01.2019).
20. Weka 3 – Data Mining with Open Source Machine Learning Software in Java [Электронный ресурс]. URL: https://www.cs.waikato.ac.nz/ml/weka/ (дата обращения: 20.01.2019).
21. Проявление закона Амдала–Густавсона на примере реализации алгоритма k-средних / А. И. Демидчук [и др.] // Сб. матер. конф. «BIG DATA and Predictive Analytics». Минск, 2015. С. 151–154.
22. Лукашевич М.М., Старовойтов В.В. Методика подсчета числа ядер клеток на медицинских гистологических изображениях // Системный анализ и прикладная информатика. 2016. № 2. С. 38–42.
23. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation / Medical Image Computing and Computer-Assisted Intervention, 2015. P. 234–241.
24. Семантическая модель представления и обработки баз знаний / В.В. Голенков [и др.]. // Аналитика и управление данными в областях с интенсивным использованием данных. 2017. С. 412–419.
25. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks / Shaoqing R. [et al.] // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2017. P. 1137–1149.
Рецензия
Для цитирования:
Татур М.М., Лукашевич М.М., Перцев Д.Ю., Искра Н.А. ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ И ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ. Доклады БГУИР. 2019;(6):62-71. https://doi.org/10.35596/1729-7648-2019-124-6-62-71
For citation:
Tatur M.M., Lukashevich M.M., Pertsev D.Y., Iskra N.A. INTELLIGENT DATA ANALYSIS AND CLOUD COMPUTING. Doklady BGUIR. 2019;(6):62-71. (In Russ.) https://doi.org/10.35596/1729-7648-2019-124-6-62-71
Просмотров: 6303
Послать статью по эл. почте 