توسعه الگوریتم های آماری جدید برای عصر داده های عظیم

حجم بی سابقه ای از داده ها به طور مداوم در اطراف ما ایجاد می شوند که نیاز به توسعه روش های آماری جدید برای تفسیر این داده ها را نشان می دهند.

از یک تلفن همراه هوشمند مجهز به حسگرهای مختلف برای سنجش وضعیت سلامت، موقعیت، آب و هوا تا خودروهای هوشمند با قابلیت اندازه گیری وضعیت ترافیک جاده ای یا کیفیت هوا، در دنیای اینترنت اشیاء (IoT) و داده های عظیم (big data) با حجم گسترده ای از اطلاعات مواجه هستیم که در مقیاس بی سابقه، تولید و ذخیره سازی می شوند.

تخمین زده می شود که تا سال 2020، بیش از 30 میلیارد دستگاه درحال جمع آوری اطلاعات مختلف باشند. توانایی تفسیر و استفاده از تمامی این داده ها، مزایایی اقتصادی و اجتماعی قابل توجهی در پی داشته و منجر به پیشرفت در بخش هایی مانند سلامت الکترونیکی (e-health)، ارتباطات و بهبود کیفیت زندگی خواهد شد.

شکل جدید داده ها، چالش های جدیدی در تحلیل داده ها ایجاد می کنند؛ بطورمثال، مدل های آماری سنتی برای محاسبه مقادیر متوسط داده ها قابل استفاده بودند و هیچ ذهنیتی از تفسیر داده های عظیم عصر کنونی وجود نداشت.

به گفته دکتر ادریس اکلی، استاد آمار دانشگاه لنکستر، حسگرها در اغلب سیستم ها و دستگاه های امروزی، از ساعت هوشمند تا میدان های نفتی، وجود دارند و این بدان معناست که استخراج و تفسیر درست اطلاعات، با منافع اجتماعی و اقتصادی همراه خواهد بود.

حجم، مقیاس و ساختار داده های حال حاضر، چالش آماری هیجان انگیزی ایجاد کرده است که در تقابل با روش های سنتی است. بسیاری از روش های آماری کلاسیک یا غیرعملی هستند یا برای اهداف درنظر گرفته شده برای داده های عظیم مناسب نیستند.

پروژه StatScale دربرگیرنده مبانی نظری و شناختی برای توسعه نسل جدید الگوریتم های آماری مقایس پذیر است که در صنعت و علوم کاربرد قابل توجهی دارد. این پروژه، کلید فراهم کردن ابزار آماری مورد نیاز برای عصر انقلاب اطلاعات است.

شرکت های شل، بی تی، آسترا زنکا و مرکز ملی آمار انگلیس، تفاهمنامه هایی برای استفاده از روش ها و مدل های آماری جدید منعقد کرده اند که علاوه بر کمک به محققان پروژه StatScale، با منافع اقتصادی و اجتماعی مستقیمی همراه خواهد بود.

 

منبع: Phys.org

ترجمه: معصومه سوهانی

 

No tags for this post.