Приложения и проблемы глубокого обучения в аналитике больших данных

Аналитика больших данных и глубокое обучение являются двумя основными направлениями в науке о данных. Большие данные стали важны, поскольку многие организации, как государственные, так и частные, собирают огромные объёмы предметно-ориентированной информации, которая может содержать полезные сведения для задач, таких как национальная разведка, кибербезопасность, обнаружение мошенничества, маркетинг и медицинская информатика. Такие компании, как Google и Microsoft, анализируют большие объёмы данных для бизнес-анализа и принятия решений, влияя на существующие и будущие технологии. Алгоритмы глубокого обучения извлекают высокоуровневые, сложные абстракции в виде представлений данных через иерархический процесс обучения: сложные абстракции на данном уровне усваиваются на основе относительно более простых абстракций, сформированных на предыдущем уровне иерархии. Ключевое преимущество глубокого обучения — анализ и обучение на больших объёмах неконтролируемых данных, что делает его ценным инструментом для аналитики больших данных, где исходные данные в основном неразмечены и не категоризированы. В настоящем исследовании мы изучаем, как глубокое обучение может быть использовано для решения важных задач аналитики больших данных, включая извлечение сложных закономерностей из огромных объёмов данных, семантическую индексацию, пометку данных, оперативный поиск информации и упрощение дискриминативных задач. Мы также рассматриваем аспекты исследований глубокого обучения, требующие дальнейшего изучения для учёта специфических проблем, вносимых аналитикой больших данных, включая потоковые данные, высокоразмерные данные, масштабируемость моделей и распределённые вычисления. В заключение мы представляем соображения относительно будущих работ и формулируем ряд вопросов, в том числе определение критериев выборки данных, моделирование адаптации к домену, определение критериев получения полезных абстракций данных, улучшение семантической индексации, полунал supervisied обучение и активное обучение.