Цитата Нейта Сильвера

Когда человеческие суждения и большие данные пересекаются, происходят забавные вещи. — © Нейт Сильвер
Когда человеческие суждения и большие данные пересекаются, происходят забавные вещи.
Когда человеческие суждения и большие данные пересекаются, происходят забавные вещи.
В книгу «Человеческое лицо больших данных» включен ряд увлекательных историй, в которых представлены некоторые из самых инновационных приложений данных, формирующих наше будущее.
Фильмы становятся хитами, когда затрагивают большое количество людей. Вещи не смешны в вакууме, они забавны, потому что мы реагируем на какое-то личное недовольство, какое-то смущение, какое-то унижение, какую-то боль, которую мы пережили, или какое-то желание, которое у нас есть.
Большие данные уже давно используются людьми — только в обычных приложениях. Страхование и стандартизированные тесты — примеры больших данных, существовавших до появления Интернета.
Люди думают, что «большие данные» позволяют избежать проблемы дискриминации, потому что вы имеете дело с наборами больших данных, но на самом деле большие данные используются для все более и более точных форм дискриминации — формы «красной черты» данных.
Мода — это просто название одной из вещей, которые происходят там, где пересекаются разум и тело.
Хотя многие поставщики больших данных делают все возможное, чтобы деидентифицировать людей из наборов данных о людях, риск повторной идентификации очень реален.
Один из мифов об Интернете вещей заключается в том, что у компаний есть все данные, которые им нужны, но их реальная проблема состоит в том, чтобы разобраться в них. В действительности стоимость сбора некоторых видов данных остается слишком высокой, качество данных не всегда достаточно хорошим, и по-прежнему сложно интегрировать несколько источников данных.
Способность собирать, анализировать, триангулировать и визуализировать огромные объемы данных в режиме реального времени — это то, чего человечество никогда раньше не имело. Этот новый набор инструментов, часто называемый возвышенным термином «большие данные», начал появляться как новый подход к решению некоторых из самых серьезных проблем, стоящих перед нашей планетой.
Сторонники больших данных хотят, чтобы мы поверили, что за строками кода и огромными базами данных скрывается объективное и универсальное понимание моделей человеческого поведения, будь то потребительские расходы, преступные или террористические акты, здоровые привычки или производительность труда сотрудников. Но многие евангелисты больших данных избегают пристального взгляда на слабые стороны.
Что-то происходит без вашего участия, а что-то не происходит, несмотря на то, что мы этого хотим.
Большие данные хороши, когда вы хотите проверить и количественно оценить небольшие данные, поскольку большие данные предназначены для поиска корреляции, а маленькие данные — для поиска причинно-следственной связи.
MapReduce стал языком ассемблера для обработки больших данных, а SnapReduce использует сложные методы для компиляции конвейеров интеграции данных SnapLogic в этот новый целевой язык больших данных. Применяя все, что мы знаем о двух мирах интеграции и Hadoop, мы создали нашу технологию, которая напрямую соответствует MapReduce, делая процесс подключения и крупномасштабной интеграции данных бесшовным и простым.
Если мы изучаем обучение как науку о данных, мы можем реконструировать человеческий мозг и адаптировать методы обучения, чтобы максимизировать шансы ученика на успех. Это самая большая революция, которая может произойти в образовании, превратив его в науку, основанную на данных, а не тот средневековый набор слухов, который склонны распространять профессора.
Мы получаем больше данных о людях, чем любая другая информационная компания получает о людях, о чем угодно — и это даже близко не близко. Мы смотрим на то, что вы знаете, что вы не знаете, как вы учитесь лучше всего. Большая разница между нами и другими компаниями, работающими с большими данными, заключается в том, что мы ни при каких обстоятельствах не продаем ваши данные третьим лицам.
Одна из проблем [больших данных] заключается в том, как мы можем понимать и использовать большие данные, когда они поступают в неструктурированном формате.
Этот сайт использует файлы cookie, чтобы обеспечить вам максимальное удобство. Больше информации...
Понятно!