Могат да се определят 4 вида анализ на големи данни: препоръчващ анализ (Prescriptive Analytics), прогнозен анализ (Predictive Analytics), диагностичeн анализ (Diagnostic Analytics) и дескриптивен анализ (Descriptive Analytics).

Анализът на данни се прилага с помощта на онлайн и скалируеми алгоритми за машинно обучение, които са в състояние непрекъснато да актуализират изучаваните модели и да работят върху разпределени системи.

В същото време анализът на данни в реално време драстично променя начините, по които системите могат да използват данни за прогнозиране на резултатите и за предлагане на алтернативи. Вместо да комбинират предположения, базирани на поредица от минали събития и моментни състояния, системите, работещи в реално време, могат да дадат разбиране за това, което се случва в настоящето.

В допълнение, новите системи за машинно обучение имат възможност да обяснят изводите си, да характеризират своите силни и слаби страни и да осигурят разбиране за това как ще се държат в бъдеще.

Текущи направления за изследвания:

  • Машинно обучение за големи данни
  • Обработка на естествени езици за ниско ресурсни езици и конкретни приложни области
  • Обясняващ изкуствен интелект

Целеви приложни области:

  • електронно здравеопазване
  • анализ на данни от уеб
  • откриване на дезинформация и др.

За повече информация: проф.Иван Койчев, емайл: