Adatok elemzése

Az adatok elemzése során egy-egy cég által definiált problémára adunk választ, viszont különböző problémákra különböző elemző módszerek adnak választ. Ezért a megfelelő módszer kiválasztása és implementálása szakmai kompetenciát igényel. Az előfeldolgozás eredményeképpen kialakult bemeneti adatok alapján olyan modellek kialakítását tudjuk elvégezni, amelyek képesek a vállalati döntéshozatal automatikus támogatására. Az alábbi informatikai alterületek módszereit tudjuk alkalmazni:

• Statisztika: Az adatok átlagának, szórásának, illetve egyéb alapinformációk kinyerése a fő cél, de természetesen vannak elemzéshez jobban köthető alterületi is: statisztikai módszerek, statisztikai próbák, eloszlások ellenőrzése, elemzési módszerek alkalmazásai-nak ellenőrzése stb. Mivel az elemzési folyamat sohasem egy kőbe vésett dolog, ezért gyakran szükséges statisztikai elemzéseket végezni a további elemzési lépések definiálása érdekében.




• Gépi tanulás: A terület erősen interdiszciplináris terület ezért sokszor nehézkes megtalálni a megfelelő modellt az adott feladatra. Olyan kérdésekre keressük a válaszokat, mint például, hogy milyen adatelemek tartoznak egy csoportba (klaszterezés illetve osztályozás) vagy milyen szabályszerűségek nyerhetőek ki az adathalmazból (asszociációs szabályok). Gyakran szükséges ezek együttes, egymás utáni alkalmazása is, erre mutatunk példát a fejezethez tartozó ábrával.




• Mesterséges intelligencia: Az MI már szinte az élet minden területén jelen van. A cél mindig a megfelelő pontosság elérése, azaz, hogy a neurális hálózat megfelelő módon tanulja meg az adatok közötti kapcsolatot és pontos jólást adjon a jövőre nézve. Ezen a területen igaz leginkább, hogy nem egyértelmű a modell kialakítása: különböző számú paraméterek vagy a különböző algoritmusok használata más és más eredményt adhat, amelyek közül a legjobbat kell kiválasztani.

Munkatársak

Kapcsolat