Data analysts in scientific, govern

Data analysts in scientific, government, industrial, and commercial
domains face the challenge of coping with rapidly
growing volumes of data that are collected in numerous applications.
Examples include biochemical and genetics research,
fundamental physical experiments and astronomical observations,
social networks, consumer behavior studies, and many
others. In these applications, large amounts of raw data can be
used for decision making and action planning, but their volume
and increasingly complex structure limit the applicability of
many well-known approaches widely used with small datasets,
such as principal component analysis, singular value decomposition,
spectral analysis, and others. This problem—the Big
Data problem [1]—requires new paradigms, techniques, and
algorithms

Kết quả (Việt) 1:

Các nhà phân tích dữ liệu khoa học, chính phủ, công nghiệp và thương mạitên miền phải đối mặt với thách thức trong việc đối phó với nhanh chónggia tăng khối lượng dữ liệu được thu thập trong nhiều ứng dụng.Ví dụ như hóa sinh và di truyền học nghiên cứu,thí nghiệm vật lý cơ bản và quan sát thiên văn,mạng xã hội, các nghiên cứu hành vi tiêu dùng và nhiềunhững người khác. Trong các ứng dụng này, một lượng lớn các dữ liệu thô có thểđược sử dụng để đưa ra quyết định và kế hoạch hành động, nhưng khối lượng của họcấu trúc phức tạp ngày càng hạn chế các ứng dụng củanhiều phương pháp tiếp cận nổi tiếng sử dụng rộng rãi với datasets nhỏ,chẳng hạn như phân tích thành phần chủ yếu, ít giá trị phân hủy,phân tích quang phổ, và những người khác. Vấn đề này-BigVấn đề dữ liệu [1] — yêu cầu paradigms mới, kỹ thuật, vàthuật toán

Kết quả (Việt) 2:

Phân tích dữ liệu trong khoa học, chính phủ, công nghiệp, thương mại và
các lĩnh vực phải đối mặt với những thách thức của việc đối phó với nhanh chóng
khối lượng ngày càng tăng của dữ liệu được thu thập trong nhiều ứng dụng.
Ví dụ như sinh hóa và di truyền học nghiên cứu,
thí nghiệm vật lý cơ bản và quan sát thiên văn,
các mạng xã hội, nghiên cứu hành vi tiêu dùng , và nhiều
người khác. Trong các ứng dụng này, số lượng lớn dữ liệu thô có thể được
sử dụng cho việc ra quyết định và lập kế hoạch hành động, nhưng khối lượng của họ
và cơ cấu ngày càng phức tạp hạn chế khả năng áp dụng
nhiều phương pháp nổi tiếng được sử dụng rộng rãi với các tập dữ liệu nhỏ,
chẳng hạn như phân tích thành phần chính, số ít giá trị phân hủy ,
phân tích quang phổ, và những người khác. Vấn đề này, Big
vấn đề dữ liệu [1] -requires mới mô hình, kỹ thuật, và
các thuật toán