дані великих обсягів

Запропоновано архітектуру та методи самонавчання гібридної нейрофаззі системи обчислювального інтелекту для кластерування даних за умов, коли кластери, що формуються, можуть мати довільну форму і взаємно перетинатися. В основу запропонованої системи покладено нечітку узагальнену регресійну нейронну мережу та нейро-фаззі кластерувальну мережу Т. Когонена, налаштування яких основано як на лінивому навчанні, так і на навчанні, що ґрунтується на оптимізації.

The paper presents a brief description of engineering and scientific problems which arise at the steel plant PJSC “ArcelorMittal Kryvyi Rih” when organizing a repair workshop to fix industrial equipment.
The attention is paid to innovative methods of repair process based on intelligent agents and Industry 4.0 principles.

Проаналізовано технології опрацювання даних великих обсягів. Розроблено програмне рішення на кластері Hadoop та отримано результати порівняння ефектив- ності опрацювання даних великих обсягів технологіями Spark та Hive за часовими характеристиками і форматами даних. Запропоновано підходи до реалізації програмних систем для опрацювання даних великих обсягів технологіями Spark та Hive

Описано задачі, що призвели до появи Великих даних. Описано особливості баз даних NoSQL та їх категорії. Введено модель Великих даних “сутність-характеристика”, що дає змогу визначити відстань між джерелами даних стосовно наявності інформації про певну сутність.