《云计算与大数据.pptx》由会员分享，可在线阅读，更多相关《云计算与大数据.pptx（25页珍藏版）》请在三一办公上搜索。
1、论文翻译,大数据与云计算：未来发展的趋势与方向,CONTENTS,NO.4 模型构建和评分,NO.5 可视化和用户交互,NO.6 商业模式和非技术挑战,NO.7 其他的挑战,NO.8 总结和结论,4,模型构建和评分,进行的工作+开放的挑战,4,模型构建和评分,目前正在进行的相关工作,解释：,对于分析而言，使用数据构建可用于预测和处方的模型与云提供的数据存储和数据即服务（DaaS）功能一样都是非常重要的，因而我们才来讨论它。,由于模型是基于可用数据构建的，因此需要针对新数据对已经建立好的模型进行测试，以评估其预测未来行为的能力，这就是评分,模型构建：,评分：,4,模型构建和评分,目前正在进行的相
2、关工作,预测模型以预测模型标记语言（PMML）表示，部署在云中，并通过Web服务接口公开。用户可以使用Web浏览器技术访问模型，以组成他们的数据挖掘解决方案,预测模型,预测分析是企业从数据中获得价值和洞察的关键武器。而Zementis就是在各种大数据平台中提供基于标准的预测评分引擎，既有云服务也所有实地部署服务,Zementis,预测模型标记语言是对数据挖掘模型的文本描述，是模型构建的产物，也是利用模型进行评分或者预测的输入。,预测模型标记语言,预测模型标记语言的最大应用除了模型存储之外，可以使不同厂家或者平台的模型构建输出统一化，不同产品的输出模型可以通用。,4,模型构建和评分,目前正在进行
3、的相关工作,谷歌预测API，但是Cloud Prediction API 已于 2018 年 4 月 30 日关停，目前已不再使用，Cloud Machine Learning Engine可作为其替代产品,Apache Mahout 项目,通过尝试减轻构建训练有素的系统的复杂性-Hazy项目,4,模型构建和评分,开放挑战,在模型建立和评分方面的关键挑战：发现能够探索快速弹性和大规模云系统的技术。,在模型建立和评分方面的标准和界面：它们有助于传播“预测和分析作为服务”的供应商，以争夺客户,如果使用此类服务不会导致供应商锁定（通过使用标准API和格式），客户只能根据服务的成本和性能选择服务提供商
4、，从而促成新的竞争市场的出现。,5,可视化和用户交互,进行的工作+开放的挑战,5,可视化和用户交互,进行的工作,可视化可以帮助分析的三种主要类型：,5,可视化和用户交互,进行的工作,许多可视化工具没有描述分析的高级方面，但是已经努力探索可视化以帮助进行预测和规范分析，例如使用复杂的报告和故事。,讲故事的作用不仅仅在于其字面意思，讲故事，可以让你从之前遗漏的数据中发现新的观点。数字无法清晰描绘的特征和数据之间的关系，可以使用故事和图表来展示。,网络仍然是几个场景中的瓶颈。,ADD YOUR TEXT,关键方面,故事,可视化工具,5,可视化和用户交互,进行的工作,网络瓶颈问题的一些解决办法：,5,
5、可视化和用户交互,进行的工作,【1】现有工作旨在探索解决方案提供的批处理作业模型,【2】一些项目试图提供一系列可视化方法，用户可以从中选择适合他们需求的集合。,【3】现有的工作，还为用户提供了从多个来源的数据的聚合方法和使用各种可视化模型。,5,可视化和用户交互,进行的工作,【4】Choo和Park认为大数据可视化不是实时的原因是分析操作的计算复杂性。在这个方向上，作者讨论了减少数据分析操作的计算复杂性的策略,【5】除了软件优化之外，专用的可视化硬件正在成为大数据分析的关键。,【6】除了对原始数据的可视化之外，总结报告形式的内容对于执行预测性和规定性的分析是必不可少的。,【7】可视化帮助预测和
6、规范分析的另一个趋势是讲故事，旨在通过叙事可视化呈现数据。,5,可视化和用户交互,开放的挑战,三种主要方面：,6,商业模式和非技术挑战,6,商业模式和非技术挑战,1.在一个共享的平台上托管客户分析工作：适用于具有多个分析部门的企业或组织。2.为客户提供端到端解决方案的完整的堆栈：适合那些没有分析专业知识的公司。3.将分析模型公开为托管服务：分析功能被托管在云上，并作为服务公开给客户。这个模型建议那些没有足够数据的公司做出好的预测。,一些潜在商业模式,6,商业模式和非技术挑战,当分析解决方案不是由云交付时，它是特定于客户的，模型通常需要更新以考虑新的数据,挑战1,分析云解决方案需要平衡通用性和实
7、用性,挑战2,复制文本分析活动的困难,挑战3,7,其他的挑战,7,其他挑战,7,其他挑战,8,总结与结论,8,总结与结论,总结,在本文中，我们讨论了分析工作流的关键阶段，并在云支持的分析上下文中研究了每个阶段的最新进展。通过详细的调查，我们发现了技术上可能存在的差距，并为研究界提供了关于云支持的大数据计算和分析解决方案未来方向的建议。,8,总结与结论,随着社会各活动产生的数据量的不断增大，产生的速度不断加快，大数据这种趋势已经变成一种与对手竞争的优势。然而，大数据分析仍然是一项具有挑战性和时间要求的任务，需要昂贵的软件、大量的计算基础设施和努力。云计算通过按需提供与实际使用成比例的成本来帮助缓
8、解这些问题。此外，它可以使基础设施迅速上下伸缩，使系统适应实际需求。虽然云基础设施提供了这样的弹性能力，可以按需提供计算资源，但支持云计算的领域仍处于初期阶段。,8,总结与结论,经验教训,对于与云计算相关的大数据，有很多解决方案。因为广泛的分析需求,这种大量的解决方案已经被创建，但它们有时可能压倒没有经验的用户。分析可以是描述性的、预测性的、规定性的；大数据可以有不同层次的变化、速度、体积和准确性。因此，重要的是要理解需求，以便选择合适的大数据工具,经验1,分析是一个复杂的过程，需要有专门知识的人清理数据、理解和选择适当的方法，并分析结果。工具是帮助人们完成这些任务的基础。此外，取决于执行这些任务所涉及的复杂性和成本，与内部执行这些任务相比，提供分析即服务或大数据即服务的提供商可能是一种很有前景的选择,经验2,云计算大数据起着关键的作用；不仅因为它提供基础设施和工具，而且还因为它是一个商业模式，大数据分析可以遵循（例如 分析即服务（AaaS）或大数据即服务（BDaaS）。但是，AaaS/BDaaS带来了一些挑战，因为与提供基础架构/平台/软件即服务的传统云提供商相比，客户和提供商的员工更多地参与环路,经验3,8,总结与结论,建议,未来工作中经常出现的主题包括：,
