Data Farming

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку

Data Farming — процес генерації («вирощування») даних з метою застосування їх для створення штучного середовища (наприклад, віртуальної реальності), моделей різних систем, формування набірів даних для глибокого навчання нейронних мереж, тестування систем штучного інтелекту тощо[1].

Термін «Data Farming» запропонував Гарі Хорн у 1997 році [2]. Відповідна концепція була використана в рамках дослідного проєкту «Альберт», що виконувався в інтересах морської піхоти США[3].

Методологію Data Farming активно розвиває Організація НАТО з науки і технологій[1].

Один з підходів до реалізації Data Farming передбачає використання статистики пандемії COVID'19 та моделей, що її апроксимують, зокрема, SIR моделей[4].

Див. також

[ред. | ред. код]

Примітки

[ред. | ред. код]
  1. а б Horne, Gary; Seichter, Stephan (7-10 Dec. 2014). Data Farming in support of NATO operations - methodology and proof-of-concept. Proceedings of the 2014 Winter Simulation Conference.
  2. Horne, G. 1997. Data Farming: A Meta-Technique for Research in the 21st Century, briefing presented at the Naval War College. Newport, RI.
  3. Brandstein, A.; Horne, G. (1998). Data Farming: A Meta-Technique for Research in the 21st Century. Maneuver Warfare Science. Quantico, VA: Marine Corps Combat Development Command.
  4. Слюсар В.И. Data Farming на основе пандемической статистики.//I Міжнародна науково-практична Інтернет-конференція «Вплив пандемії COVID-19 на розвиток сучасного світу: загрози та можливості». 9 – 10 вересня 2021. – Дніпро. – С. 174 - 177. [[https://web.archive.org/web/20210917132131/https://slyusar.kiev.ua/Conference%209_10_Sept_2021.pdf Архівовано 17 вересня 2021 у Wayback Machine.]]