Пропустить команды ленты
Пропустить до основного контента
SharePoint

Решаемые задачи

Технологии Big Data

Сегодня уже ни один крупный проект неосуществим без использования распределенной инфраструктуры для обработки данных. Разработанные программные платформы и технологии распределенных вычислений и Больших данных адаптируются для решения масштабных задач в области экономики, бизнеса, социологии, государственного управления и т.д. 

example.png

При этом критически важными являются изменения в управлении данными, ИТ-инфраструктуре и компетенциях персонала. Стратегической задачей Лаборатории «Облачных технологий и аналитики Больших данных» ФГБОУ ВПО «РЭУ им. Г.В. Плеханова»  является развитие, адаптация и имплементация решений, накопленных в последние годы в физике высоких энергий, для широкого круга задач государственного управления, промышленности, бизнеса и образования. Имеющийся опыт по применению таких решений позволит достичь качественно нового уровня обработки и анализа данных, принципиально невозможного без применения данных технологий.

Задачи, стоящие перед Лабораторией «Облачных технологий и аналитики Больших данных»:

  • развертывание платформы управления Большими данными;
  • создание кластерных, облачных и/или грид-инфраструктур для хранения, передачи, обработки и анализа больших данных;
  • обучение облачным и грид-технологиями (пользователей, администраторов и разработчиков);
  • адаптация пакетов прикладных программ (т.е. приложений) для работы в этих инфраструктурах;
  • предоставление облачных ресурсов и инфраструктуры для пользователей;
  • выбор решений и методов для организации хранения и управления данными (SQL, NoSQL (хранилища типа «ключ-значение», масштабируемые распределенные хранилища, документо-ориентированные СУБД, графовые СУБД));
  • управление жизненным циклом данных (создание, обработка, анализ, систематизация, визуализация, создание отчётов, удаление);
  • исследования в области аналитики больших данных – методы анализа и предсказательные модели (математическая статистика, анализ временных рядов, кластерный анализ, корреляционный анализ, регрессионный анализ, нейронные сети, генетические алгоритмы, нечеткие алгоритмы, распознавание образов и др.).