Flashcards
Yine Rodriguez
Cards in this deck (5)
- 1Tecnologías como Internet generan datos a un ritmo exponencial gracias al abaratamiento y gran desarrollo del almacenamiento y los recursos de red.Recientemente, ha emergido el término
Smart Data que gira alrededor de dos importantes características, la veracidad y el valor de los datos, y cuyo objetivo es filtrar el ruido y mantener los datos valiosos, - 2Para la mayoría de problemas actuales con,datos masivos es necesario el uso de una solución distribuida escalable porque las soluciones secuenciales no son capaces de abordar tales magnitudesEl pre procesamiento de datos es una etapa esencial del proceso de descubrimiento de
información - 3La necesidad de procesar y extraer conocimiento valioso de tal inmensidad de datos se ha convertido en un desafío considerable para científicos de datos y expertos en la materia.Google diseñó MapReduce en 2003 [8] que
es considerada como la plataforma pionera para el procesamiento de datos masivos, así como un paradigma para el procesamiento de datos mediante el particionamiento de ficheros de datos - 4Por otra parte, Spark es perfecto para procesos iterativos donde un mismo dato es reutilizado varias veces para el procesamiento de algoritmos sobre grafos, etc.En los últimos años, ha surgido un gran
abanico de herramientas de analítica de datos escalables asociadas a las plataformas anteriores, con el objetivo de dar soporte al proceso de análisis de datos - 5Big Data es una gran mina a explotar, datos almacenados que poseen un gran valor en sí mismo pero que necesitan ser tratados, refinados y pre procesados mediante herramientas de analítica de datos.Por otra parte, la mayoría de los algoritmos
de preprocesamiento para Big Data han
sido diseñados para abordar el problema
de la selección de características.