به گزارش روابط عمومی پژوهشگاه ارتباطات و فناوری اطلاعات ( مرکز تحقیقات مخابرات ایران)، در ابتدای این کارگاه که توسط آقای دکتر حبیب زاده برگزار شد، تفاوت اصلی بین مفاهیم Big data و High dimensional data بررسی شد. سپس اهمیت مباحث مربوط بهmachine learning با تمرکز بر Deep Learning  عنوان شد.

بنا بر این گزارش در این کارگاه به صورت کلی نحوه انتخاب نرم افزار و روش پیاده سازی آنالیز داده‌‌های عظیم مورد بررسی قرار گرفت. پروژه‌‌های جدید این حوزه و همچنین پروژه‌‌های ملی مرتبط با داده‌‌های عظیم و machine learning  در داخل کشور در دو حوزه بانکداری و مخابرات بررسی شد.

مساله مهم در انتخاب الگوریتم مربوط بهmachine learning، حجم داده،‌ نحوه ذخیره سازی داده و چگونگی دسته بندی داده‌ها است. Deep Learning  به صورت خاص جزء دسته Unsupervised learning  است که بر مبنای شبکه عصبی طراحی شده است که در آن Multi-level learning جهت دسته بندی و  جداسازی مشخصه‌های  داده انجام می‌شود. در این سخنرانی اختلاف بین روش‌های قبلی machine learning با روش Deep learning  عنوان شد. سپس کاربرد‌های حوزه بانکداری که در آن Deep learning سبب افزایش سرعت در پردازش داده‌‌های عظیم می‌شود، معرفی شدند. همچنین نرم افزار‌های اصلی جهت انجام آنالیز داده‌‌های عظیم مانند Hadoop و Apache spark، تفاوت اصلی بین داده ای Convolutional  و Unconvolutional  و اهمیت این دسته بندی در انتخاب نرم افزار جهت آنالیز داده‌‌های عظیم نیز معرفی شدند.

در انتها تفاوت‌های اصلی نرم افزار‌های Java،Paython  و Scala نیز جهت کاربرد‌های داده‌‌های عظیم در بانکداری و پروژه‌‌های مخابراتی مورد بررسی قرار گرفت.