علی فخرائی
استواری براوردگرهای پیراسته در مه داده ها و کاربرد آن در سامانه های هشدار
- دانشجو
- علی فخرائی
- استاد راهنما
- فرزاد اسکندری
- استاد مشاور
- محمد بامنی مقدم
- استاد داور
- محمدرضا صالحی راد
- مقطع تحصیلی
- کارشناسی ارشد
- تاریخ دفاع
- ۲۹ شهریور ۱۴۰۲
- ساعت دفاع
- چکیده
-
در عصر کنونی تمامی جوامع با چالش نحوه تجزیه و تحلیل داده‌ها در حوزه‌های گوناگون اقتصادی، اجتماعی و فرهنگی مواجه شده‌اند. با توجه به پیشرفت‌های صورت گرفته در حوزه ذخیره‌سازی داده‌ها، سرعت تولید داده و اطلاعات به صورت چشم‌گیری افزایش یافته است؛ بنابراین جوامع بشری در کسب‌وکارهای گوناگون با حجم متنوعی از داده‌ها که با سرعت زیادی تولید می‌شوند مواجه است. سه ویژگی سرعت، تنوع و حجم از معیارهای تعریف مهدادهها و فناوری ذخیره‌سازی و پردازش آن‌ها است؛ بنابراین استخراج بهترین دانش با استفاده از مهدادهها مستلزم تکامل یافتن علومی مانند آمار، علم داده‌ها و رایانش داده‌محور است تا در موارد گوناگون در حوز‌ه‌ی تصمیم‌گیری به یاری انسان بشتابند. از سوی دیگر تضمین کیفیت در مدل‌سازی مهدادهها با چالش‌هایی مواجه است. وجود داده‌های دورافتاده و ساختار امیخته در تابع توزیع احتمال متغیرها از جمله چالش‌های اجتناب‌ناپذیر در این حوزه است. کنترل و تضمین کیفیت مدل‌سازی مه داده‌ها مستلزم فعالیت‌ها و ابزارهایی است که بتواند ضمانت لازم به منظور استفاده از مهدادهها را در فرآیندهای تصمیم‌گیری مهیا سازد.
در این پژوهش تلاش شده است تا با استفاده از فعالیت‌ها و ابزارهای آماری یک سامانه هشدار برای استفاده در تجزیه و تحلیل مه داده‌ها ایجاد گردد که بتواند برای مدیریت و تضمین کیفیت تجزیه و تحلیل مهدادهها در کسب‌وکارهای گوناگون برازنده باشد. برازندگی اشاره‌شده از طریق تغییر در براوردگرهای آماری و استفاده از برآوردگرهای استوارتر در تجزیه وتحلیل مهدادهها ایجاد می‌گردد.
- Abstract
-
At the present time, all societies have faced the challenge of how to analyze data in variouseconomic, social and cultural fields. Due to the progress made in the field of data storage, the speed of data and information production has increased significantly. Therefore, human societies in various businesses are faced with a diverse amount of data that is produced at a high speed. The three characteristics of speed, variety and volume are the criteria for defining big data and their storage and processing technology; Therefore, extracting the best knowledge using big data requires the development of sciences such as statistics, data science, and data-driven computing to assist humans in various cases in the field of decision-making. On the other hand, quality assurance in big data modeling faces challenges. The presence of outliers and mixed structure in the probability distribution function of variables is one of the inevitable challenges in this field. Controlling and guaranteeing the quality of big data modeling requires activities and tools that can provide the necessary guarantee to use big data in decision-making processes. In this research, an attempt has been made to create a alert system for use in big data analysis using statistical tools and activities, which can be efficient for managing and guaranteeing the quality of big data analysis in various businesses. The mentioned efficiency is created through the change in statistical estimators and the use of more robust estimators in big data analysis.