Методы совершествования алгоритмов искусственного интеллекта на основе BIG DATA
Просмотры: 47
DOI:
https://doi.org/10.32523/3136-3385-2026-156-3-234-243Ключевые слова:
Big Data, искусственный интеллект, анализ данных, машинное обучение, нейронные сети, оптимизация алгоритмов, глубокое обучение, feature engineering, качество данных, цифровая трансформация.Аннотация
В современную эпоху цифровой трансформации взаимосвязь технологий Big Data и систем искусственного интеллекта (ИИ) становится одним из ключевых направлений развития науки и промышленности. Эффективная обработка и анализ больших объемов данных позволяют повышать точность и адаптивность алгоритмов искусственного интеллекта. В данном обзорном исследовании рассматривается роль платформ Big Data (таких как Hadoop, Spark и Apache Flink) в совершенствовании ИИ-алгоритмов. Особое внимание уделено этапам сбора, хранения и предварительной обработки данных, оказывающим влияние на производительность алгоритмических моделей.
В работе анализируются методы машинного и глубокого обучения, функционирующие на основе Big Data, включая масштабирование нейронных сетей, вычисление корреляций данных, автоматизированный отбор признаков (feature selection) и моделирование. Использование информации, полученной в реальном времени из массивов данных, позволяет интеллектуальным системам динамически адаптироваться и прогнозировать изменения.
Кроме того, рассматриваются этические и технические проблемы применения Big Data низкое качество данных, недостаточная вычислительная мощность и вопросы конфиденциальности. В заключение отмечается, что дальнейшее совершенствование алгоритмов искусственного интеллекта на основе Big Data открывает широкие перспективы для их использования в экономике, здравоохранении и промышленности.
