Big data trabajo de investigacion
análisis de big data: un documento de revisión de la literatura
La recopilación de datos es diferente para cada organización. Con la tecnología actual, las organizaciones pueden recopilar datos estructurados y no estructurados de diversas fuentes, desde el almacenamiento en la nube hasta las aplicaciones móviles, pasando por los sensores del IoT en las tiendas y más allá. Algunos datos se almacenarán en almacenes de datos donde las herramientas y soluciones de inteligencia empresarial pueden acceder a ellos fácilmente. A los datos crudos o no estructurados que son demasiado diversos o complejos para un almacén se les pueden asignar metadatos y almacenarlos en un lago de datos.
Una vez recogidos y almacenados los datos, deben organizarse adecuadamente para obtener resultados precisos en las consultas analíticas, especialmente cuando son grandes y no están estructurados. Los datos disponibles crecen de forma exponencial, lo que convierte el procesamiento de datos en un reto para las organizaciones. Una opción de procesamiento es el procesamiento por lotes, que examina grandes bloques de datos a lo largo del tiempo. El procesamiento por lotes es útil cuando hay un tiempo más largo entre la recogida y el análisis de los datos. El procesamiento de flujos examina pequeños lotes de datos a la vez, acortando el tiempo de espera entre la recogida y el análisis para una toma de decisiones más rápida. El procesamiento de flujos es más complejo y a menudo más caro.
big data en la investigación
El uso actual del término big data tiende a referirse al uso de la analítica predictiva, la analítica del comportamiento del usuario o algunos otros métodos avanzados de análisis de datos que extraen valor de los big data, y rara vez a un tamaño concreto del conjunto de datos. «Hay pocas dudas de que las cantidades de datos disponibles ahora son realmente grandes, pero esa no es la característica más relevante de este nuevo ecosistema de datos»[4].
El tamaño y el número de conjuntos de datos disponibles han crecido rápidamente a medida que los datos son recogidos por dispositivos como los móviles, los baratos y numerosos dispositivos de detección de información del Internet de las cosas, los aéreos (teledetección), los registros de software, las cámaras, los micrófonos, los lectores de identificación por radiofrecuencia (RFID) y las redes de sensores inalámbricos. [8][9] La capacidad tecnológica per cápita del mundo para almacenar información se ha duplicado aproximadamente cada 40 meses desde la década de 1980;[10] en 2012 [actualización], cada día se generaban 2,5 exabytes (2,5×260 bytes) de datos[11] Según la predicción de un informe de IDC, se preveía que el volumen mundial de datos crecería exponencialmente de 4,4 zettabytes a 44 zettabytes entre 2013 y 2020. Para 2025, IDC predice que habrá 163 zettabytes de datos[12]. Una cuestión que se plantea a las grandes empresas es determinar quién debe ser el propietario de las iniciativas de big data que afectan a toda la organización[13].
documentos de investigación de big data 2020 pdf
Nos complace anunciar que Journal of Big Data está ahora incluido en el Emerging Sources Citation Index (ESCI). Todos los artículos publicados a partir del 1 de enero de 2018 se incluirán en la base de datos y, por tanto, se podrán buscar en Web of Science.
La propuesta de este número especial pretende recoger las aplicaciones y tecnologías de vanguardia, como la web semántica, el aprendizaje automático, el aprendizaje profundo, el procesamiento del lenguaje natural, el internet de las cosas, el grafo de conocimiento, la minería de procesos y la inteligencia artificial, etc., que abarcan el espectro más amplio de los datos abiertos enlazados (LOD).
Los coches de próxima generación recogen una gran variedad de datos procedentes de diferentes sistemas que deben ser procesados y fusionados para proporcionar una asistencia adecuada a la conducción del coche. La serie temática estudiará los enfoques de los sistemas de asistencia a la conducción de automóviles que hacen uso de sofisticados algoritmos de inspiración biológica y modernos enfoques de aprendizaje profundo.
El Journal of Big Data publica investigaciones originales de acceso abierto sobre ciencia y análisis de datos. Los algoritmos de aprendizaje profundo y todas las aplicaciones de big data son bienvenidos. También se consideran los artículos de encuesta y los estudios de caso.
temas para trabajos de investigación sobre big data
Esta entrada explora estas afirmaciones en relación con el uso de los big data dentro de la investigación científica, y con énfasis en las cuestiones filosóficas que surgen de dicho uso. Para ello, la entrada analiza cómo la aparición de los big data -y de las tecnologías, instituciones y normas relacionadas con ellos- informa el análisis de los siguientes temas:
Se trata de áreas en las que la atención a las prácticas de investigación que giran en torno a los grandes datos puede beneficiar a la filosofía, y en particular al trabajo en la epistemología y la metodología de la ciencia. Esta entrada no cubre la vasta erudición en la historia y los estudios sociales de la ciencia que ha surgido en los últimos años sobre este tema, aunque se pueden encontrar referencias a parte de esa literatura cuando es conceptualmente relevante. El análisis filosófico de las prácticas de datos, que complementa el trabajo histórico y científico-social de los estudios de datos, también puede suscitar importantes desafíos al bombo y platillo que rodea a la ciencia de datos y fomentar una comprensión crítica del papel de la inteligencia artificial alimentada por datos en la investigación.