4. Analyse des mégadonnées
Dans cette section, nous nous intéressons à la problématique de l’analyse de très grands volumes de données. La nature de cette analyse dépend de la nature et de la structure des mégadonnées, que l’on appelle aussi « analytique », traduction du terme anglo-saxon « analytics ». Ces différentes analyses mettront en œuvre divers algorithmes relevant de la fouille de données (Data Mining), de l’apprentissage machine automatique (Machine Learning), de l’aide à la décision, voire de la visualisation.
Nous soulignons tout d’abord l’intérêt de l’apprentissage automatique pour l’analyse de ces mégadonnées. Ensuite nous distinguerons l’analyse de mégadonnées stockées par exemple dans des systèmes NoSQL, et l’analyse de mégadonnées échangées et émises en continu, par exemple des données en flots, qu’il n’est pas envisageable de stocker du fait de leur volume. Les données concernées par les mégadonnées étant très diverses, de par leur nature et/ou leur niveau de structuration, leur analyse ou analytique sera différente. Aussi nous illustrerons quelques types d’analytiques associées à des grands types de mégadonnées : mégadonnées principalement composées de données numériques, mégadonnées textuelles, mégadonnées issues du Web, liées à des réseaux, et enfin liées aux mobiles. Comme nous l’évoquons plus loin, chacun de ces types d’analytique a ses caractéristiques propres et utilise des technologies plus ou moins spécifiques, et plus ou moins matures.
4.1 Intérêt de l’apprentissage automatique
Une part sans cesse croissante des recherches scientifiques et des développements logiciels est consacrée à l’apprentissage automatique. Cela s’explique par les succès de ces approches pour des tâches aussi diverses que la classification automatique de contenus, la fouille multimédia ou la compréhension du langage humain mais aussi par leurs grandes robustesses face à des données bruitées ou incomplètes.
D’une façon générale, l’apprentissage automatique consiste à déterminer automatiquement un modèle formel, décrivant les données disponibles et permettant un certain niveau de généralisation sur des données...
![Ecoutez notre podcast Cogitons Sciences : matériaux, durée de vie et fatigue [Matériaux, histoire d’une vie #3]](https://www.techniques-ingenieur.fr/actualite/wp-content/uploads/2022/06/Article-actu-Podcast-fatigue-matériaux-150x150.png)
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
