本文简要介绍大数据分析和机器学习，并探讨它们在下一代无线网络中的潜在应用。提出了一个统一的大数据辅助的机器学习框架，用于预测移动用户的要求，并利用它来改善社交网络感知无线网络的性能，为了描述该框架的效率，提供了一对智能实际应用作为案例研究，以及为激励未来的研究提供开放式研究机会。

Jan, 2019

本文介绍了一个自动化的机器学习平台，用于在数字广告技术环境中构建数千个预测用户行为的模型，并实现连续的优化广告活动，涉及数十亿的广告展示量和数亿的用户，以及多个不同的性能目标。

Feb, 2014

通过使用朴素贝叶斯和拉普拉斯估计，本文提出了一种稳健的预测模型来识别和消除真实生活中手机数据中的噪声实例，以提高模型的预测准确性。实验结果显示该模型在个人手机用户的通话日志等真实生活中的手机数据上具有很好的效果和精度。

Feb, 2019

本文介绍了 Rafiki 系统，它是一个能够在大数据分析、机器学习、云平台中为训练和推断提供服务的系统，其提供了分布式超参数调整和在线组合模型的功能，以实现低延迟和高准确度的平衡，在实验结果中表现出了高效、有效、可扩展和易用的特点。

Apr, 2018

在当前的数据密集时代，大数据已成为人工智能（AI）的重要资产，为开发基于数据驱动模型和揭示各个未知领域提供基础。本研究通过应用 Robust Principal Component Analysis（RPCA）进行噪声降低和异常值剔除，以及应用 Optimal Sensor Placement（OSP）进行数据压缩和存储，解决数据不确定性、存储限制和数据驱动模型预测的挑战。通过此方法，从 OSP 获得的低维子集基于 Long Short-Term Memory（LSTM）网络进行模型和数据预测，加快训练阶段，适用于实时海量数据集的鲁棒数据驱动建模，特别适合用于基于历史数据预测物理系统的未来状态。所有提出的算法不仅是理论上的，还使用真实热成像数据对船舶发动机进行模拟和验证。

Mar, 2024

数字革命已经导致了人类行为的数字化，出现了众筹和众包等新增的行，这给营销研究和实践者带来了前所未有的机会，但同时也面临着数据过于庞杂和复杂的挑战。为了解决这些问题，开发了计算方法以管理与消费者行为相关的 “大数据” 等技术，特别是机器学习，使得对多方面数据的有效解析和处理成为可能。本文综述了新的数据来源和分析技术，旨在将计算社会科学应用于理解和利用公开的消费者数据。

Jun, 2023

本文介绍了一种基于 Apache Spark 的分布式深度学习框架，可在移动大数据分析中实现快速学习和活动识别。

Feb, 2016

通过使用机器学习模型及百万曲目数据集，本文提出了一个音乐推荐系统，旨在优化为用户推荐喜欢的歌曲。

Sep, 2023

介绍大数据科学中使用云计算作为一种实用且成本效益高的解决方案，着重分析软件堆栈的建设模块，为数据科学家提供大数据分析应用的普及服务，为该领域的最新发展和挑战提供各种见解。

Sep, 2017

通过对八个来自全球电信组织的通话详单数据集进行不同的关系学习器策略测试，本研究评估了关系分类器与集体推断方法对关系学习器预测能力的影响以及在电信行业中预测客户流失时，关系学习器与传统预测方法相结合的性能。需要注意的是，网络构建对预测模型的结果有影响，并提供了如何在电信行业中应用社交网络分析进行流失预测的最佳方案，从网络架构到模型构建和评估均有所提示。

Jan, 2020