Search for: [Abstrakt = "Zbiory Big Data oferują dostęp do niemal nieograniczonej liczby danych, dając nadzieję na szybszy, tańszy, bardziej precyzyjny i wszechstronny opis świata. Jednocześnie w takich zbiorach poza danymi o odpowiedniej jakości \(clear data\) znaczny udział mają dane nieprawdziwe, nieaktualne, zaszumione, często zwielokrotnione, niepełne lub błędne \(dirty data\), a także dane o nieznanej jakości czy użyteczności \(dark data\). Znaczący udział dirty i dark data ma szereg negatywnych konsekwencji w analizie zbioru Big Data. Celem prezentowanych badań jest przegląd i systemowe ujęcie procedur minimalizowania negatywnych efektów dirty data w analizie Big Data. W konstrukcji systemu oczyszczania zbioru danych uwzględniono najważniejsze procedury profilowania \(profiling data\), oczyszczania \(cleansing data\) i zapobiegania \(defect prevention\) powstawaniu dirty data w procesie budowy i analizy zbioru Big Data"]

Number of results: 1