Какие методы существуют для обработки большого массива числовых данных?

Некоторые методы обработки большого массива числовых данных:

• Нейросети. 1 Это математические модели, которые опираются на нечёткую логику. 1 Они могут адаптироваться к входным данным и вскрывать взаимосвязи, которые аналитики не заметили ранее. 1 Нейросети хорошо подходят для обработки неструктурированной информации (фото, видео и аудио). 1
• Машинное обучение. 1 Это методы взаимодействия с большими данными, которые позволяют «натренировать» алгоритмы или полезные модели правильно решать задачи. 1 Компьютер самостоятельно «дорабатывает» программу, чтобы она лучше справлялась с поставленной целью. 1
• Краудсорсинг. 1 Это способ наращивать и/или верифицировать информацию с помощью широкой аудитории. 1
• Технология Data Mining. 15 Позволяет в автоматическом режиме находить и подсвечивать взаимосвязи параметров анализируемого процесса или аномалии. 1 Для этого используют ряд методов: классификация и кластеризация, регрессионный анализ, поиск корреляций, ассоциативных правил и вычисление деревьев решений. 1
• Предиктивная аналитика. 1 Цель этого метода — спрогнозировать развитие текущей ситуации. 1 Чаще всего применяют машинное обучение с учителем, который своими подсказками помогает компьютеру анализировать информацию, устанавливать связи. 1
• Статический анализ. 1 Фокусируется на обработке накопленной информации без её обновления. 1 Используется для выявления отклонений от нормы, взаимосвязи анализируемых данных и процессов. 1
• Визуализация аналитических данных. 1 Позволяет отобразить данные в виде графиков. 1 Чаще всего показывают не весь массив информации, которым располагает аналитик, а только итоги его обработки. 1