AI Summary & Key Takeaways
AI InsightSolution approaches that have been proposed related to this topic in the literature are handled in three main categories: classification, clustering and association rule mining.
📌 3 Key Takeaways
Abstract
In recent years, new innovations and developments in information and communication technologies have hugely increased the quantity of data required to analyze. Storing large-scale datasets, extracting useful knowledge from the huge volumes of data by applying data mining techniques and predicting the future are costly and difficult processes. To overcome these challenges, the knowledge discovery process is performed efficiently by using cloud, parallel and distributed computing. This article shows that the performance algorithms in data mining can be increased by the scalability of cloud computing with the advantages in terms of accessibility from anywhere, low cost and maintainability. In this article, data mining applications that have been implemented on cloud platforms are presented, including methods, data and obtained results. Solution approaches that have been proposed related to this topic in the literature are handled in three main categories: classification, clustering and association rule mining.
Özet
Son yıllarda, bilgi ve iletişim teknolojilerindeki yenilikler ve gelişmeler, analiz edilmesi gereken veri miktarını önemli derecede artırmıştır. Büyük ölçekli verilerin saklanması, yüksek hacimli verilerden veri madenciliği teknikleri ile yararlı bilgilerin çıkartılması ve geleceğin tahminlenmesi maliyetli ve zorlu işlemlerdir. Bu zorlukların üstesinden gelebilmek için, bilgi keşfi süreci; bulut bilişim, paralel ve dağıtık hesaplama kullanılarak etkin bir şekilde gerçekleştirilebilmektedir. Bu makale, bulut bilişimin ölçeklenebilirliği sayesinde veri madenciliği algoritmalarının performanslarının arttırılabileceğini, ayrıca her yerden ulaşılabilirlik, düşük maliyet ve kolay yönetilebilirlik avantajlarının sağlanabileceğini göstermektedir. Makalede, bulut platformunda gerçekleştirilen veri madenciliği uygulamaları; kullanılan metotlar, veriler ve elde edilen sonuçlar çerçevesinde sunulmaktadır. Literatürde, bu konuda önerilen çözüm yaklaşımları; sınıflandırma, kümeleme ve birliktelik kuralları analizi olmak üzere üç ana kategori altında ele alınmaktadır.