Fugu-MT 論文翻訳(概要): "Big Data" and its Origins

論文の概要: "Big Data" and its Origins

arxiv url: http://arxiv.org/abs/2008.05835v6
Date: Mon, 4 Jan 2021 12:54:27 GMT
ステータス: 処理完了
システム内更新日: 2023-05-06 09:16:22.014776
Title: "Big Data" and its Origins
Title（参考訳）: 『ビッグデータ』とその起源
Authors: Francis X. Diebold
Abstract要約: ビッグデータ」という言葉の起源について考察するその起源は少々不安定で、学術と産業の両方、統計学とコンピュータ科学が関係している。ビッグデータの現象は未解決のままであり、統計機械学習ツールの開発が今も続いていることは、私たちがそれに立ち向かうのに役立ち続けている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Against the background of explosive growth in data volume, velocity, and variety, I investigate the origins of the term "Big Data". Its origins are a bit murky and hence intriguing, involving both academics and industry, statistics and computer science, ultimately winding back to lunch-table conversations at Silicon Graphics Inc. (SGI) in the mid 1990s. The Big Data phenomenon continues unabated, and the ongoing development of statistical machine learning tools continues to help us confront it.
Abstract（参考訳）: データ量、速度、バラエティにおける爆発的な成長の背景に対して、私は「ビッグデータ」という用語の起源を調べます。その起源はやや不安定で、学術、産業、統計、コンピュータ科学の両方を巻き込み、最終的に1990年代半ばにsgi(silicon graphics inc.)でランチテーブルの会話に戻った。ビッグデータ現象は相変わらず続き、統計的機械学習ツールの継続的な開発は、私たちがそれに取り組むのに役立ちます。

関連論文リスト

Generative Active Learning for Long-tailed Instance Segmentation [55.66158205855948]
キャッシュ勾配に基づいて生成したデータの寄与を推定する新しいアルゴリズムであるBSGALを提案する。実験により,BSGALはベースラインアプローチより優れ,長い尾のセグメンテーションの性能が効果的に向上することが示された。
論文参考訳（メタデータ） (2024-06-04T15:57:43Z)
Advanced Data Augmentation Approaches: A Comprehensive Survey and Future directions [57.30984060215482]
データ拡張の背景、レビューされたデータ拡張技術の新しい包括的分類法、および各技術の強さと弱点(可能ならば)を提供する。また、画像分類、オブジェクト検出、セマンティックセグメンテーションなどの3つの一般的なコンピュータビジョンタスクに対して、データ拡張効果の総合的な結果を提供する。
論文参考訳（メタデータ） (2023-01-07T11:37:32Z)
Big Data Meets Metaverse: A Survey [58.83882109159864]
Metaverseは、未来の新興技術だ。ビッグデータ、AI(人工知能)、VR(Virtual Reality)、AR(Augmented Reality)、MR(mixed Reality)を組み合わせたものだ。
論文参考訳（メタデータ） (2022-10-28T17:22:20Z)
How sustainable is "common" data science in terms of power consumption? [0.0]
この研究は、グローバルな炭素フットプリントへの「一般的な」データ科学の貢献を推定する。一般的な"データサイエンスは、通常のコンピュータ使用量より2.57ドル高い電力を消費するが、照明や暖房といった日常的な電力消費のタスクよりも少ない。大規模データサイエンスは、一般的なデータサイエンスよりもはるかに多くのパワーを消費する。
論文参考訳（メタデータ） (2022-07-05T10:15:22Z)
Kubric: A scalable dataset generator [73.78485189435729]
KubricはPythonフレームワークで、PyBulletやBlenderとインターフェースして写真リアリスティックなシーンを生成する。本研究では,3次元NeRFモデルの研究から光フロー推定まで,13種類の異なるデータセットを提示することで,Kubricの有効性を実証する。
論文参考訳（メタデータ） (2022-03-07T18:13:59Z)
Machine Learning and Data Science: Foundations, Concepts, Algorithms, and Tools [0.0]
データは企業にとって重要な洞察を得て、パフォーマンスを向上させるためのツールであり、燃料なのです。現在、データを使用しない業界は存在しない。すべてはデータアナリストやデータサイエンティストによって行われます。
論文参考訳（メタデータ） (2022-02-03T08:30:02Z)
"If we didn't solve small data in the past, how can we solve Big Data today?" [0.0]
私たちは、"小さい"データや"大きい"データといった用語を調査し、それらの属性を理解し、価値を付加する方法について検討することを目指しています。この研究によると、どんなに小さなデータが使われたにせよ、企業は依然として正しい技術とビジネスビジョンでビッグデータを活用できる。
論文参考訳（メタデータ） (2021-11-08T16:31:01Z)
Big Data [1.52292571922932]
モノのインターネット、クラウドソーシング、ソーシャルメディア、公共機関、その他の情報源は、より大きく大きなデータセットを生成する。大規模かつオープンなデータは,緊急管理に多くのメリットを提供すると同時に,新たな課題も生じている。
論文参考訳（メタデータ） (2020-12-15T16:18:52Z)
Synthetic Data: Opening the data floodgates to enable faster, more directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文参考訳（メタデータ） (2020-12-08T17:26:10Z)
Ridge Regularization: an Essential Concept in Data Science [54.39020425819001]
Ridgeまたはもっと正式に$ell$ regularizationは、統計学と機械学習の多くの分野に現れる。この短い尾根祭では、私の同僚と私が過去40年間、応用統計で遭遇したリッジの魔法と美しさをまとめました。
論文参考訳（メタデータ） (2020-05-30T21:36:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。