Estado del arte big data

Inicio » Estado del arte big data

Anuncio del laboratorio de big data de última generación

Todos los artículos publicados por MDPI están disponibles inmediatamente en todo el mundo bajo una licencia de acceso abierto. No se requiere ningún permiso especial para reutilizar todo o parte del artículo publicado por MDPI, incluidas las figuras y tablas. En el caso de los artículos publicados bajo una licencia de acceso abierto Creative Common CC BY, cualquier parte del artículo puede reutilizarse sin permiso siempre que se cite claramente el artículo original.

Los Feature Papers representan la investigación más avanzada con un potencial significativo de alto impacto en el campo. Los artículos de fondo se presentan por invitación individual o por recomendación de los editores científicos y se someten a una revisión por pares antes de su publicación.

El artículo de fondo puede ser un artículo de investigación original, un estudio de investigación sustancial y novedoso que a menudo incluye varias técnicas o enfoques, o un artículo de revisión exhaustivo con actualizaciones concisas y precisas sobre los últimos avances en el campo que revisa sistemáticamente los avances más interesantes de la literatura científica. Este tipo de artículo ofrece una perspectiva sobre futuras direcciones de investigación o posibles aplicaciones.

Unificando el estado del arte de la ia y el big data en apache spark

En el ámbito del Big Data, HIT construye y ofrece soluciones analíticas avanzadas que aprovechan las tecnologías de big data de código abierto, permitiendo combinar, procesar y analizar fuentes de datos heterogéneas en una única plataforma, con el fin de apoyar la toma de decisiones y los sistemas de recomendación dinámicos y en tiempo real.

HIT posee y mejora continuamente un motor de análisis de datos de usuario innovador y modular basado en la retroalimentación explícita e implícita del usuario (adquiriendo y analizando los datos de interacción del usuario a través de varias interfaces). El motor se ofrece a través de un PAAS que permite construir fácilmente otros servicios sobre él y escalar automáticamente. Se basa en una arquitectura SOA modular y, más concretamente, en una arquitectura de servicios web RESTful (Representational State Transfer) que proporciona un conjunto de interfaces fácilmente disponibles que garantizan una fácil integración e interoperabilidad con sistemas de terceros. El núcleo del motor es un marco avanzado de análisis y visualización de datos que unifica los almacenes de datos tradicionales y los modernos sistemas de bases de datos, permitiendo la combinación de datos estructurados, semiestructurados y no estructurados en una única plataforma. En lo que respecta a los datos estructurados, el análisis se realiza con las herramientas de software que se utilizan habitualmente como parte de las disciplinas de análisis avanzado, como el análisis predictivo y la minería de datos. Para las fuentes de datos semiestructurados y no estructurados, la solución emplea tecnologías emergentes de última generación que se utilizan actualmente en la mayoría de los entornos de análisis de big data, como las bases de datos NoSQL, Hadoop o MapReduce. Estas tecnologías forman el núcleo de un marco de software abierto que soporta el procesamiento necesario de grandes conjuntos de datos en sistemas agrupados.

Estado del arte de la analítica significado

Rastreador de la legislación federal sobre privacidad de EE.UU. El rastreador de la legislación federal sobre privacidad de la IAPP recopila una lista de proyectos de ley relacionados con la privacidad propuestos en el Congreso para mantener a nuestros miembros informados sobre los desarrollos dentro de la fe

Reglamento General de Protección de Datos de la UE La página del Reglamento General de Protección de Datos de la UE de la IAPP recoge la orientación, el análisis, las herramientas y los recursos que necesita para asegurarse de que cumple con sus obligaciones.

Este informe de la Agencia de la Unión Europea para la Seguridad de las Redes y la Información ofrece una visión general de las tecnologías específicas identificadas para mejorar la privacidad que considera de especial interés para el panorama actual y futuro de los grandes datos.

Este documento de la Cloud Security Alliance enumera, de forma detallada, las mejores prácticas que deberían seguir los proveedores de servicios de big data para fortificar sus infraestructuras. En cada sección, la CSA presenta 10 consideraciones para cada uno de los 10 principales retos en materia de seguridad y privacidad del big data. En total, el …

Este libro blanco del Consejo para los Grandes Datos, la Ética y la Sociedad, escrito por Jacob Metcalf, Emily F. Keller y Danah Boyd, consolida las conversaciones e ideas de dos años de reuniones y debates e identifica los cambios políticos que fomentarían un mayor compromiso y reflexión sobre la ética…

Unificación del estado del arte de ia y big data en apache spark con

La demanda de big data está aumentando significativamente en diferentes campos de actividad como los seguros y la construcción (Dresner Advisory Services, 2017), la asistencia sanitaria (Wang, Kung, & Byrd, 2018), las telecomunicaciones (Ahmed et al., 2018) y el comercio electrónico (Wu & Lin, 2018). Según Dresner Advisory Services (2017), la tecnología (14%), los servicios financieros (10%), la consultoría (9%), la sanidad (9%), la educación (8%) y las telecomunicaciones (7%) son los sectores más activos en la producción de una gran cantidad de datos.

El resto de este estudio se organiza como sigue: La sección 2 explica la metodología de revisión y expone los resultados del SLR; la sección 3 informa de las conclusiones de las preguntas de investigación; y, por último, la sección 4 presenta la discusión y la conclusión y las implicaciones de la investigación.

Para lograr el objetivo mencionado, este estudio emplea un método de revisión sistemática de la literatura. Una revisión eficaz se basa en el análisis de la literatura, para encontrar las limitaciones y las lagunas de la investigación en un área determinada. Una revisión sistemática puede definirse como un proceso de análisis, acceso y comprensión del método. Explica las preguntas de investigación relevantes y el área de investigación. El propósito esencial de realizar la revisión sistemática es explorar y conceptualizar los estudios existentes, la identificación de los temas, las relaciones y las lagunas, y la descripción de las direcciones futuras en consecuencia. Así, los motivos identificados coinciden con el objetivo de este estudio. Esta investigación aplica las estrategias de Kitchenham y Charters (2007). Una revisión sistemática consta de tres fases: La organización de la revisión, la gestión de la revisión y el informe de la revisión. Cada fase tiene actividades específicas. Estas actividades son 1) Elaborar el protocolo de revisión 2) Formular los criterios de inclusión y exclusión 3) Describir el proceso de estrategia de búsqueda 4) Definir el proceso de selección 5) Realizar el procedimiento de evaluación de la calidad y 6) Extracción y síntesis de los datos. La descripción de cada actividad se ofrece en las siguientes secciones.

Ir arriba