مرور اجمالی بر روش های تحلیل عظیم داده و استفاده از روش گرد کردن

امروزه چالش اصلی همه حوزه های شبکه و پایگاه داده، موضوع داده های عظیم است. داده های عظیم مفهومی است که عمر چندان درازی ندارد و بطور کلی به افزایش حجم اطلاعات غیرساختارمند و یکپارچه در کنار ذخیرهسازی و پردازش آنها می پردازد. داده های عظیم اکنون چالش اصلی شبکه های گسترده و شرکت های بزرگ است. این داده ها از تراکنش های برخط (آنلاین)، پست های الکترونیک، ویدئوها، صوت ها، کلیک کردن ها، وقایع ثبت شده و ارسال ها، درخواست های جستجو، یادداشت های درست، تعاملات شبکه های اجتماعی، داده های علمی، سنسورها و تلفن های همراه و برنامه های کاربردی آنها تولید می شوند. آنها بر روی پایگاه داده ها که به شکل حجیم رشد می کنند، ذخیره می شوند و فرآیند ذخیره سازی، شکل دهی، مدیریت، به اشتراک گذاری، تحلیل و نمایش آنها از طریق ابزارهای نوعی نرم افزار پایگاه داده ها، به دشواری انجام می شود. از این رو تحلیل های دقیق بر رویاین داده های عظیم، منجر به تصمیم گیری های با اطمینان بیشتری شده و تصمیمات بهتر، می تواند معنای کارایی بیشتر عملیات، کاهش هزینه ها و کاهش مخاطره ها باشد. لذا به بررسی داده های عظیم و چالش های این نوع داده ها می پردازیم. در این مقاله برای نشان دادن مزایای پارامترهای گردکردن، یک مطالعه شبیه سازی و یک نمونه واقعی داده ها را با استفاده از داده های الکتروانسفالوگرافی ارائه می کنیم.