Рассмотрено усовершенствование существующих алгоритмов обработки и распределения данных. Приведены современные методы и подходы к улучшению больших языковых моделей. Проведен всесторонний анализ современных алгоритмов оптимизации, применяемых для обработки больших данных. Описаны основные библиотеки и методы анализа больших данных.
Представлены документы из фонда РНТБ, а также аннотированные описания электронных ресурсов и ссылки на полные тексты.
С полными текстами статей можно ознакомиться в зале информационно-справочной службы, комната 613, и в читальном зале периодических изданий, комната 614. Телефон для справок +375 17 226 61 88.
Батанов, А. О. Передовой подход к распределенным системам: динамические алгоритмы и эффективная обработка больших данных / А. О. Батанов, А. С. Литвинова // Современные наукоемкие технологии. – 2025. – № 3. – С. 8–13.
Рассмотрено усовершенствование существующих алгоритмов обработки и распределения данных, учитывая текущую нагрузку на систему и общую загруженность. Отмечено, что анализ существующих методов обработки больших данных, таких как MapReduce, сегментирование и консистентное хеширование, подчеркивают важность развития адаптивных систем для обработки больших данных. Указано, что предложенная формула, включающая динамический коэффициент, позволяет значительно повысить производительность, масштабируемость и отказоустойчивость распределенных систем. Результаты моделирования демонстрируют, что предложенный подход позволяет достичь более эффективного использования ресурсов и предотвращает перегрузку отдельных узлов по сравнению с традиционными методами. На основе проведенного сравнительного анализа обоснована практическая применимость разработанной методики в широком спектре распределенных систем. Подчеркнута стратегическая значимость развития адаптивных систем для обработки больших данных и интеграции современных технологий, таких как искусственный интеллект и машинное обучение. Отмечено, что предложенные усовершенствования открывают перспективы для дальнейших исследований и разработки более мощных и гибких распределенных систем, способных эффективно справляться с возрастающими требованиям современной цифровой среды.
Берестовой, А. А. Инновационные подходы к оптимизации больших языковых моделей / А. А. Берестовой, В. В. Денисенко, Л. С. Чесников // Автоматизация. Современные технологии. – 2025. – № 6. – С. 264–269.
Рассмотрены современные методы и подходы к улучшению больших языковых моделей (LLM), включая оптимизацию архитектуры, повышение качества обучающих данных, внедрение новых стратегий обучения и учет этических аспектов. Приведены теоретические основы каждого метода, сопровождаемые примерами использования современных технологий и моделей GPT-4, Llama 3.2 и Claude 3.5, что позволяет лучше понять их практическое применение и значимость.
Бойко, Д. В. Использование алгоритмов оптимизации при работе с большими данными / Д. В. Бойко // Вестник науки. – 2025. – Т. 4, № 5. – С. 1310–1315. – URL: https://elibrary.ru/item.asp?id=82351175 (дата обращения: 17.10.2025).
Проведен всесторонний анализ современных алгоритмов оптимизации, применяемых для обработки больших данных. Подробно рассмотрены стохастические методы оптимизации, распределенные алгоритмы, методы машинного обучения и их гибридные комбинации. Приведены детальные примеры применения этих методов в биоинформатике, финансовой аналитике, системах рекомендаций и интернете вещей. Особое внимание уделено сравнительному анализу производительности различных подходов и перспективным направлениям развития.
Ермаков, С. Г. Применение динамического фильтра Блума для обработки больших данных в системах реального времени / С. Г. Ермаков, А. В. Забродин, М. А. Костин // Ученые записки Комсомольского-на-Амуре государственного технического университета. – 2025. – № 3. – С. 32–40. – URL: https://elibrary.ru/item.asp?id=82569036 (дата обращения: 17.10.2025).
Разработан модифицированный динамический фильтр Блума, обеспечивающий оптимальный баланс между скоростью, точностью и потреблением памяти. Разработан алгоритм автоматического подбора размера фильтра и число хеш-функций, реализована математическая модель и проверена ее эффективность на реальных данных. Методология работы основана на вероятностных подходах и экспериментальном тестировании с использованием MurmurHash32 и простых хеш-функций. Экспериментальные исследования показали, что предложенная реализация динамического фильтра Блума обеспечивает высокую производительность при обработке больших наборов данных с переменной структурой, минимизируя вероятность ложноположительных срабатываний и оптимизируя использование памяти.
Зиганшина, А. Р. Использование языка структурированных запросов SQL в интеллектуальных системах для анализа больших данных / А. Р. Зиганшина, Е. А. Салтанаева // Информационные технологии в строительных, социальных и экономических системах. – 2025. – № 2. – С. 120–124. – URL: https://elibrary.ru/item.asp?id=82605650 (дата обращения: 17.10.2025).
Рассмотрены современные подходы к оптимизации SQL-запросов и структурированию работы с корпоративными базами данных для проведения эффективного анализа. Описаны практические рекомендации по повышению эффективности взаимодействия с СУБД, методы повышения качества данных и перспективы развития SQL-платформ с учетом новых технологий и требований рынка.
Куропаткин, А. М. Применение Python в анализе больших данных / А. М. Куропаткин, Г. С. Сейдаметов // Информационно-компьютерные технологии в экономике, образовании и социальной сфере. – 2025. – № 2. – С. 90–95. – URL: https://elibrary.ru/item.asp?id=82500487 (дата обращения: 17.10.2025).
Рассмотрены основные библиотеки и методы анализа больших данных с использованием языка программирования Python. Проанализированы возможности библиотек Pandas, NumPy, Dask, PySpark для обработки и визуализации больших объемов данных. Особое внимание уделено методам оптимизации вычислений, распределенной обработке данных и использованию параллельных вычислений.
Обработка и анализ больших объемов данных в сельском хозяйстве с использованием геоинформационных систем / Т. В. Сафонова, А. В. Мокряк, П. М. Вареник [и др.] // Международный журнал информационных технологий и энергоэффективности. – Т. 10, № 3. – С. 124–132. – URL: https://elibrary.ru/item.asp?id=80471190 (дата обращения: 17.10.2025).
Исследовано использование технологий анализа больших данных и геоинформационных систем в сельском хозяйстве. Основное внимание уделено преимуществам объединения этих технологий для увеличения продуктивности агропроизводства, рационального использования ресурсов и совершенствования процедур принятия решений. Представлены примеры успешной реализации таких подходов в разных регионах, а также обсуждается потенциал их дальнейшего развития в рамках цифровизации аграрной отрасли.
Экспресс-анализ структурных и электронных свойств наноматериалов методами больших данных, больших языковых моделей и генеративного искусственного интеллекта / Н. А. Шиманский, А. В. Баглов, Х. Б. Мусаев [и др.] // Доклады Белорусского государственного университета информатики и радиоэлектроники. – 2025. – Т. 23, № 3. – С. 46–53.
Рассмотрена возможность использования больших языковых моделей, генеративного машинного обучения и методов работы с большими данными для предиктивного анализа электронных свойств наноструктур на основе полупроводниковых материалов, не ограничивая при этом общность данного подхода для иных кристаллических материалов. Описано концептуальное решение в виде кроссплатформенного программного приложения, имеющего функцию генерации расширенного поиска, для применения указанного подхода в работе с массивами научных данных. Результаты предварительного тестирования показали положительный результат использования разработанного решения для предсказания полупроводниковых свойств (ширина запрещенной зоны, энергия Ферми) эталонного материала. Обсуждены перспективы развития и внедрения методов больших данных, больших языковых моделей и генеративного искусственного интеллекта в рамках тенденций современного материаловедения.
Khusainov, T. Zh. Application of quantum algorithms in big data analysis / T. Zh. Khusainov // Профессиональный Вестник: Информационные технологии и безопасность. – 2025. – № 2. – P. 26–32. – URL: https://www.elibrary.ru/item.asp?id=82724285 (дата обращения: 17.10.2025).
Переведенное заглавие: Применение квантовых алгоритмов в анализе больших данных.
Рассмотрено применение квантовых алгоритмов в области анализа больших данных, с акцентом на теоретические основы, архитектурные подходы и отраслевые примеры использования. Проведено сравнительное рассмотрение классических и квантовых методов в задачах поиска, оптимизации и снижения размерности. Особое внимание уделено гибридным архитектурам, проблемам внедрения, вопросам безопасности и надежности вычислений. Обозначены текущие ограничения и направления дальнейших исследований, которые направленны на интеграцию квантовых решений в масштабируемые аналитические системы.
Ping Li. Application of big data technology in enterprise information security management / Ping Li, Limin Zhang // Scientific Reports. – 2025. – Vol. 15. – Article number: 1022. – URL: https://www.nature.com/articles/s41598-025-85403-6 (дата обращения: 17.10.2025).
Переведенное заглавие: Использование технологии больших данных в управлении информационной безопасностью предприятия.
Для повышения возможностей предприятий по защите информации разработаны модели прогнозирования рисков на основе анализа больших данных. Создана система анализа больших объемов данных, способная отслеживать и интеллектуально выявлять потенциальные угрозы безопасности в режиме реального времени. Для различных типов угроз безопасности система использует процессы разработки функций и обучения моделей, чтобы извлечь ключевые показатели риска и оптимизировать эффективность прогнозирования с помощью модели. Результаты экспериментов показали, что построенная модель прогнозирования рисков имеет отличные показатели, хорошую дифференцирующую способность и высокую точность прогнозирования. В задаче идентификации многоклассовых рисков модель достигает средней точности 0,87. По сравнению с традиционными системами, новая система значительно повысила точность раннего предупреждения и скорость реагирования предприятий на различные инциденты информационной безопасности.
Post-quantum cryptography for big data security / M. T. T. Bajwa, M. N. Afzal, M. H. Afzal [et al.] // The Asian Bulletin of Big Data Management. – 2025. – Vol. 5, № 3. – P. 81–94. – URL: https://abbdm.net/index.php/Journal/article/view/369 (дата обращения: 17.10.2025).
Переведенное заглавие: Постквантовая криптография для защиты больших данных.
Рассмотрено, как постквантовая криптография может быть интегрирована в инфраструктуры больших данных, особенно в распределенных средах, таких как Hadoop и Spark, для безопасного хранения и обработки в режиме реального времени. Описаны совместимость, вычислительные издержки и переход от классических стандартов к квантово-безопасным. Внедряя постквантовую криптографию на ранней стадии, организации могут обеспечить надежную защиту своих систем в условиях меняющегося ландшафта квантовых угроз.
Yang, H. Exploring the Effectiveness of Big Data in Profitability of Construction Projects / H. Yang // Applied and Computational Engineering. – 2025. – Vol. 120, № 1. – P. 209–213. – URL: https://www.ewadirect.com/proceedings/ace/article/view/19488 (дата обращения: 17.10.2025).
Переведенное заглавие: Изучение эффективности использования больших данных для повышения рентабельности строительных проектов.
Изучено влияние больших данных на рентабельность строительных проектов. Результаты показали, что точность данных является ключевым фактором, определяющим прибыльность в этом контексте. Строительным фирмам необходимо применять политику и процедуры для обеспечения качества, достоверности и точности данных при их сборе. Располагая точными данными, фирмы могут использовать аналитику для принятия обоснованных решений, основанных на данных, которые способствуют успеху проекта.
Вы можете заказать представленные на выставке издания, используя форму. Мы забронируем их для вас и сообщим, в каком читальном зале они будут доступны.
Заказать издания может только читатель РНТБ.
Вы также можете заказать фрагменты полных текстов, воспользовавшись услугой электронная доставка документов либо услугой электронный абонемент (услуги платные).