چکيده
انقلاب بزرگ Big Data با فعال كردن بهينه سازي فرآيند ، توانايي كشف بينش و بهبود تصميم، وعده داده است كه نحوه زندگي ، كار و تفكر را دگرگون سازيم. تحقق اين پتانسيل بزرگ متكي به توانايي استخراج هاي ارزشمند از چنين داده هاي عظيم از طريق تجزيه و تحليل داده ها است. يادگيري ماشين به دليل توانايي يادگيري داده ها و ارائه بينش ، تصميم گيري ها و پيش بيني ها در هسته اصلي اين فرايند قرار دارد. با اين حال ، رويكردهاي سنتي يادگيري ماشين در دوره هاي مختلف توسعه يافته اند و بنابر فرضيات متعدد ، مانند مجموعه داده كه كاملاً در حافظه قرار داشت ، متأسفانه ديگر در اين زمينه جديد صادق نيست. اين فرضيات شكسته ، همراه با ويژگي هاي Big Data ، موانعي را براي تكنيك هاي سنتي ايجاد مي كنند در نتيجه ، اين مقاله چالش هاي يادگيري ماشيني را با داده هاي بزرگ گردآوري ، جمع بندي و سازماندهي مي كند. برخلاف تحقيقات ديگري كه در مورد چالش ها بحث مي كند ، اين مقاله با سازماندهي چالش ها با توجه به Big Data وابعادي كه مسئله را برانگيخته است ، ارتباط علت و معلولي را با دقت،سرعت حجم بررسي مي كند. سرانجام ، ماتريس مربوط به چالش ها و رويكردها ارائه مي شود و از طريق اين فرآيند ، يك چشم انداز در مورد دامنه ، شكاف ها و فرصت هاي تحقيق را مشخص مي كند ، و بنياد و تشويق محكمي براي تحقيقات بيشتر در زمينه يادگيري ماشيني با Big Data فراهم مي كند.
واژه‌هاي كليدي: كلان داده ، تجزيه و تحليل داده ، ماشين يادگيري ، يادگيري عميق ، شبكه هاي عصبي
