![டிஜிட்டல் தடயவியல் விஷயத்தில் பெரிய தரவின் சில முக்கிய சவால்கள் யாவை? googletag.cmd.push (செயல்பாடு () {googletag.display (div-gpt-ad-1562928221186-0);}); கே: - தொழில்நுட்பம் டிஜிட்டல் தடயவியல் விஷயத்தில் பெரிய தரவின் சில முக்கிய சவால்கள் யாவை? googletag.cmd.push (செயல்பாடு () {googletag.display (div-gpt-ad-1562928221186-0);}); கே: - தொழில்நுட்பம்](https://a.continuousdev.com/technology/what-are-some-of-the-business-limitations-of-the-public-cloud-presented-by-turbonomic.jpg)
உள்ளடக்கம்
கே:
டிஜிட்டல் தடயவியல் விஷயத்தில் பெரிய தரவின் சில முக்கிய சவால்கள் யாவை?
ப:
தடயவியல், டிஜிட்டல் அல்லது வேறுவகையில் முதன்மையான கோட்பாடுகளில் ஒன்று லோகார்டின் பரிமாற்றக் கொள்கை. எளிமையாகச் சொன்னால், டாக்டர் எட்மண்ட் லோகார்ட் (அவரது காலத்தில் “பிரான்சின் ஷெர்லாக் ஹோம்ஸ்” என்று அழைக்கப்பட்டவர்) உருவாக்கிய இந்த கொள்கை பின்வருமாறு கூறுகிறது:
"ஒவ்வொரு தொடர்பும் ஒரு தடயத்தை விட்டுச்செல்கிறது."
இந்த தடயங்கள் ஒரு குறிப்பிட்ட சூழ்நிலையில் என்ன நடந்தது, எங்கு நடந்தது, யாருக்கு நடந்தது, எப்போது நடந்தது, எப்படி நடந்தது, யார் செய்தார்கள் என்பதை தீர்மானிக்க தடயவியல் ஆய்வாளர்கள் பயன்படுத்தும் சிறிய துண்டுகள்.
எனவே டிஜிட்டல் தடயவியல் என்பது டிஜிட்டல் சான்றுகளின் கலைப்பொருட்கள் மற்றும் தடயங்களைப் பின்தொடர்வதாகும்: சிறிய தரவு, பெரிய தரவு அல்ல. பெரிய தரவு, ஒரு கருத்தாக, மிகப்பெரிய மற்றும் சிக்கலான தரவுத் தொகுப்புகளின் ஆய்வு ஆகும், அங்கு பாரம்பரிய பகுப்பாய்வு முறைகள் செயல்படாது, மேலும் புதிய “பெரிய தரவு” முறைகள்.
எடுத்துக்காட்டாக, செல்வம் அல்லது வறுமையின் நுண்ணுயிரிகளைத் தீர்மானிக்க மொபைல் சாதனங்கள் மற்றும் ஜி.பி.எஸ் ஆகியவற்றில் பயன்பாட்டு முறைகளைக் கண்டறிய AI வழிமுறைகளைப் பயன்படுத்தலாம். வேலையில் உள்ள “பெரிய தரவு” என்பதற்கு இது ஒரு சிறந்த எடுத்துக்காட்டு.
எனவே, பெரிய தரவு டிஜிட்டல் தடயவியலுக்கு அதிக சவாலாக இல்லை, ஏனெனில் இது சிறிய தரவுத் தொகுப்புகளைக் கையாளுகிறது.