| Název: | Efektivní analýza velkých dat pomocí Apache Spark a samoučících neuronových sítí na jediném počítači |
| Autoři: | Andrešič, David Šaloun, Petr |
| Citace zdrojového dokumentu: | STEINBERGER, Josef ed.; ZÍMA, Martin ed.; FIALA, Dalibor ed.; DOSTAL, Martin ed.; NYKL, Michal ed. Data a znalosti 2017: sborník konference, Plzeň, Hotel Angelo 5. - 6. října 2017. 1. vyd. Plzeň: Západočeská univerzita v Plzni, 2017, s. 67-71. ISBN 978-80-261-0720-0. |
| Datum vydání: | 2017 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | konferenční příspěvek conferenceObject |
| URI: | https://www.zcu.cz/export/sites/zcu/pracoviste/vyd/online/DataAZnalosti2017.pdf http://hdl.handle.net/11025/26338 |
| ISBN: | 978-80-261-0720-0 |
| Klíčová slova: | Apache Spark;samoučící neuronové sítě;velká data;Twitter;brexit;burza |
| Klíčová slova v dalším jazyce: | Apache Spark;self-learning neural networks;big data;Twitter;brexit;stock exchange |
| Abstrakt: | Apache Spark je běžně používaná platforma pro analýzu velkých dat na velkých počítačových clusterech, kde pro svou práci využívá především hlavní paměť počítače. Pokusili jsme se přidat softwarovou knihovnu samoučící se neuronové sítě do jednoho takového analytického celku pro big data. Výsle-dek je efektivní a rychlý dokonce na jediném běžném počítači. Tento přístup je přínosem pro výzkumníky s omezenými zdroji, kterým přiná-ší možnost analýzy velkých dat. Náš nápad byl experimentálně ověřen a je popsán zde. Jako případovou studii pro naši metodu jsme použili dostupná data ze sociální sítě Twitter, konkrétně tweety pro hashtag #Brexit a jejich analýzu sentimentu, přičemž jsme hledali korelace s burzovními daty. |
| Práva: | © Západočeská univerzita v Plzni |
| Vyskytuje se v kolekcích: | Data a znalosti 2017 Data a znalosti 2017 |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| Andresic.pdf | Plný text | 706,17 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/26338Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.