Поручиков М.А. Анализ данных. А. поручиков

• Название: А. поручиков
• Дата: 25.10.2022
• Размер: 2.76 Mb.
• Имя файла: Поручиков М.А. Анализ данных.docx
• Тип: Анализ; #753011
• страница: 3 из 20

Научные исследования

В сфере анализа данных ведутся активные научные исследования. Анализ публикаций, индексированных в реферативной базе данных SCOPUS, показывает устойчивый рост количества научных работ (табл. 1).
Таблица 1. Количество публикаций в базе SCOPUS

Ключевые слова	Периоды
	1991-1995	1996-2000	2001-2005	2006-2010	2011-2015
Data Analysis	221072	333879	536742	906164	1008666
Machine Learning	1889	2958	9301	26388	43548
Expert System	13073	14372	19861	34466	41352
Data Mining	1376	4662	18185	42347	59646
Big Data	1321	2554	5110	10544	28220
Deep Learning	263	596	1221	3377	7410

В последнее время особый интерес в сфере анализа данных вызывают такие направления исследований, как «большие данные» (Big Data) и «глубокое обучение» (Deep Learning).

Передовые разработки в сфере искусственного интеллекта поражают воображение. В 1997 году компьютер DeepBlue впервые выиграл матч из шести партий у чемпиона мира по шахматам [8]. В рамках проекта DeepQA разрабатывается система искусственного интеллекта, позволяющая воспринимать вопросы на естественных языках [9]. Ведется разработка беспилотных автомобилей, ядром системы управления которых является система искусственного интеллекта. Лидером в этой области можно считать компанию Google с проектом Google Self-Driving Car Project [10].

Программное обеспечение

В основе систем анализа данных лежит программное обеспечение. При проектировании систем анализа данных могут быть использованы следующие подходы:

• 
  использование «коробочного» программного обеспечения общего назначения (например Microsoft Excel);
  
• 
  использование программного обеспечения, ориентированного на математические задачи (например Matlab, Octave, R);
  
• 
  разработка специализированного программного обеспечения с использованием готовых библиотек, включающих наборы специальных функций обработки данных.
  

При разработке специализированного ПО рекомендуется использовать готовые библиотеки функций обработки данных. Так, для нейросетевого анализа можно применить библиотеку FANN, имеющую версии для языков программирования С#, С++, Java, Python, R, Matlab [11], а для решения задач обработки изображений – библиотеку OpenCV, имеющую версии для языков Python, Java, Ruby, Matlab и др. [12].