Во вторник 31.10.2023
года в Точке кипения ДГУ с 14.15 по 15.15
состоится лекционное занятие и мастер-класс на тему «Анализ и обработка больших
данных на основе ML-методов».

Докладчик:

Исмиханов Заур Намединович, доцент, к. э.
н., декан факультета информатики и информационных технологий, эксперт НТИ.

Участники дискуссии:

-
Касимова Т.М., к. э. н.,
доцент кафедры информационных систем и технологий программирования, начальник
отдела инновационной деятельности и трансфера технологий Дагестанского
государственного университета, эксперт НТИ;

-
Магомедова С.Р., к. э. н.,
старший преподаватель и.о. нач. информационно-вычислительного центра
Дагестанского государственного университета, эксперт НТИ.

-
Гираев К.М., к. ф.-м. н.,
доцент кафедры физической электроники, начальник управления внешних связей
Дагестанского государственного университета, эксперт НТИ.

Аннотация:

Мероприятие посвящено ознакомлению с методологией анализа и обработки
больших данных на основе методов машинного обучения (ML). В ходе занятия будут
рассмотрены основные принципы и методы анализа и обработки больших данных, а
также их применение в различных областях, включая бизнес, науку и технологии.
Будут обсуждены основные этапы процесса работы с большими данными, включая
сбор, хранение, предобработку, анализ и интерпретацию данных. Особое внимание
будет уделено методам машинного обучения, включая нейронные сети, решающие
деревья, алгоритмы кластеризации и классификации, а также различные инструменты
и технологии для работы с большими данными, включая Apache Hadoop, Apache Spark
и TensorFlow. Планируется обсуждение преимущества и ограничения использования
методов машинного обучения для анализа и обработки больших данных, а также
возможности их применения в различных отраслях. Будут рассмотрены примеры
использования методов машинного обучения для решения конкретных задач анализа и
обработки больших данных, а также их влияние на современные технологии и
развитие общества. В заключение занятия буду показаны технические и
экономические аспекты работы с большими данными на основе методов машинного
обучения, включая требования к оборудованию и квалификации персонала