<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=64710"><dc:title>STROJNO UČENJE NA VELIKIH PODATKIH Z UPORABO MONGODB, R IN HADOOP</dc:title><dc:creator>Adanza Dopazo,	Daniel	(Avtor)
	</dc:creator><dc:creator>Podgorelec,	Vili	(Mentor)
	</dc:creator><dc:subject>veliki podatki</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>analiza podatkov</dc:subject><dc:description>Osrednji namen tega magistrskega dela je testiranje različnih pristopov in izvedba več eksperimentov na različnih podatkovnih zbirkah, razporejenih na infrastrukturi za obdelavo velikih podatkov. Da bi dosegli ta cilj, smo magistrsko nalogo strukturirali v tri glavne dele.
Najprej smo pridobili deset javno dostopnih podatkovnih zbirk z različnih področij, ki so dovolj kompleksne (glede na obseg podatkov in število atributov) za namen izvajanja analize velikih podatkov na ustrezen način. Zbrane podatke smo najprej predhodno obdelali, da bi bili združljivi s podatkovno bazo MongoDB.
V drugem delu smo analizirali zbrane podatke in izvedli različne poskuse s pomočjo orodja R, ki omogoča izvedbo statistične obdelave podatkov. Orodje R smo pri tem povezali s podatkovno bazo MongoDB.
V zadnjem delu smo uporabili še ogrodje Hadoop, s pomočjo katerega smo dokončali načrtovano infrastrukturo za obdelavo in analizo velikih podatkov. Za namen tega magistrskega dela smo vzpostavili sistem v načinu enega vozlišča v gruči. Analizirali smo razlike z vidika učinkovitosti vzpostavljene infrastrukture in delo zaključili z razpravo o prednostih in slabostih uporabe predstavljenih tehnologij za obdelavo velikih podatkov.</dc:description><dc:publisher>D. Adanza Dopazo</dc:publisher><dc:date>2016</dc:date><dc:date>2016-11-25 12:12:16</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>64710</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>