Big data analytics : réseaux de neurones et mapreduce
Les entreprises ont progressivement pris conscience de la possibilité, voire de la nécessité dans un contexte concurrentiel, de valoriser leurs données. Le big data pose actuellement des défis aux entreprises qui souhaitent s’inscrire dans cette démarche de valorisation. Deux concepts peuvent être r...
Zapisane w:
| 1. autor: | |
|---|---|
| Format: | Article ou chapitre numérique |
| Język: | Français |
| Wydane: |
2019
|
| Hasła przedmiotowe: | |
| Dostęp online: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Streszczenie: | Les entreprises ont progressivement pris conscience de la possibilité, voire de la nécessité dans un contexte concurrentiel, de valoriser leurs données. Le big data pose actuellement des défis aux entreprises qui souhaitent s’inscrire dans cette démarche de valorisation. Deux concepts peuvent être rapprochés de big data : les big data analytics basés sur les algorithmes de fouille de données et le machine learning fondé sur l’apprentissage artificiel. Ces concepts connus des spécialistes de la business intelligence et des systèmes interactifs d’aide à la décision connaissent de nouvelles contraintes avec les grandes masses de données – big data. Ces méthodes doivent s’articuler voire évoluer vers des outils permettant de traiter ces masses de données dans un temps raisonnable. Ceci a amené plus récemment au développement puis à la popularisation de plateformes de parallélisation comme Hadoop qui proposent le développement d’algorithmes mapreduce. Ces algorithmes laissent entrevoir la possibilité d’appliquer le machine learning à grande échelle et de manière plus intensive. Peu de recherches se sont penchées sur l’intégration des réseaux de neurones dans les algorithmes mapreduce. Dès lors nous proposons d’étudier : Comment les réseaux de neurones peuvent-ils être utiles pour traiter les big data dans les organisations ? Pourquoi les réseaux de neurones pourraient être intégrés dans les algorithmes mapreduce ? Cette recherche est notre réponse à ces questions. La mise en œuvre de celle-ci …un réseau de neurones pour la prédiction de faillite sur les données de banques américaines montre un taux d’erreurs relativement faible. Elle permet de mettre en lumière l’intérêt de ce processus et de proposer une démarche. |
|---|