Su poder es el procesamiento temporal, es decir, detectar condiciones complejas a lo largo del tiempo. por ejemplo, filtros, ventanas, uniones de flujo de eventos, patrones.
Se puede utilizar en cualquier caso en el que sea útil detectar condiciones complejas y activar alertas, etc. Pocos ejemplos no mencionados aún son
El procesamiento por lotes a menudo tarda unos minutos en generar una salida, y con grandes conjuntos de datos, puede llevar horas. Sin embargo, hay muchos casos de uso en los que es muy útil conocer los resultados más rápido.
- ¿Qué significa "tomar la media geométrica de la distribución predictiva producida por las redes de abandono exponencialmente numerosas" en redes neuronales profundas?
- Si una red de alimentación directa de una sola capa es capaz de aproximarse a cualquier grado de precisión, ¿por qué es exitoso el aprendizaje profundo?
- Cómo automatizar la selección de características en un conjunto de datos que involucra muchos datos no numéricos
- ¿Cuál es una buena fuente para aprender la optimización convexa?
- ¿Alguna vez ha utilizado el aprendizaje automático de alguna manera para ayudar en las pruebas de software y la automatización de pruebas?
Por ejemplo, piense en los datos de tráfico recopilados al contar vehículos en cada semáforo. Podemos usar Hadoop o Spark para analizar estos datos. Entre las ideas útiles pueden encontrarse los “puntos críticos de tráfico”, las “tendencias de tráfico a lo largo del tiempo”, etc. Es interesante saber que después de una hora, hubo tráfico en “US-101”. Por otro lado, es mucho más útil saber que hay tráfico ahora, por lo que uno podría evitarlo.
Hay muchos casos de uso como este donde el resultado es importante y existe la posibilidad de que podamos actuar para solucionarlo si hay un problema. Los siguientes son algunos de ellos.
- Comercio algorítmico
- Cuidado inteligente del paciente
- Supervisión de una línea de producción.
- Optimizaciones de la cadena de suministro.
- Intrusión, vigilancia y detección de fraude
- La mayoría de las aplicaciones de dispositivos inteligentes: Smart Car, Home ..
- Red inteligente: (por ejemplo, predicción de carga y detección de enchufe atípico, consulte Redes inteligentes, 4 mil millones de eventos, en un rango de 100K)
- Seguimiento de vehículos y vida silvestre
- Análisis de deportes: aumente los deportes con análisis en tiempo real (por ejemplo, este es un trabajo que hicimos con un juego de fútbol real: superposición de análisis en tiempo real en transmisiones de fútbol)
- Contexto de promociones y publicidad
- Geo cercado
- Sistema de monitoreo de computadora
- Publicidad dirigida
- Vigilancia
- Detección de fraude
El análisis en tiempo real le permite analizar los datos a medida que entran y tomar decisiones importantes en milisegundos a pocos segundos.
vea Introducción breve a Realtime Analytics con Big Data: ¿qué, por qué y cómo? para más información.