A survey on deep learning for big data

یادگیری عمیق، به عنوان یکی از مهم ترین تکنیک های یادگیری ماشین، به موفقیت های زیادی در بسیاری از برنامه های کاربردی مانند تحلیل تصویر، تشخیص گفتار و درک متن کمک کرده است. از استراتژی های نظارت شده و بی نظیر برای یادگیری چندین سطح و ویژگی های معماری سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کند. توسعه اخیر در شبکه های حسگر و فناوری های ارتباطی، جمع آوری داده های بزرگ را به نمایش گذاشت. اگر چه داده های بزرگ فرصت های خوبی برای بسیاری از زمینه ها از جمله تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند ارائه می دهد، اما در زمینه داده کاوی و پردازش اطلاعات به دلیل ویژگی های حجم زیادی، انواع مختلف، سرعت زیاد و حقیقت بزرگ، چالش های فراوانی را بر عهده دارد. در چند سال گذشته، یادگیری عمیق در راه حل های تحلیلی داده های بزرگ نقش مهمی ایفا کرده است. در این مقاله، تحقیقات در حال ظهور مدل های یادگیری عمیق برای یادگیری ویژگی های بزرگ داده ها را مرور می کنیم. علاوه بر این، ما با توجه به چالش های باقیمانده یادگیری عمیق داده های بزرگ و بحث در مورد موضوعات آینده اشاره می کنیم.