Аналитика больших данных: основные алгоритмы

Матричное представление множеств. Хеширование, хешированные подписи. Вычисление хешированных подписей.
Локально-чувствительное хеширование документов. LSH для хешированных подписей. Анализ техники группировок (S-кривые). Использование методов хешированных подписей и LSH для определения вероятно схожих элементов.
Метрики. Евклидовы метрики. Расстояние по Жаккару, расстояние по косинусу. Расстояние редактирования, расстояние Хемминга.
Теория локально-чувствительных функций. Локально-чувствительные семейства для расстояния по Жаккару. Усиление локально-чувствительного семейства (AND-конструкции и OR-конструкции).
LSH-семейства для расстояния Хемминга. Случайные гиперплоскости и расстояние по косинусу, эскизы векторов. LSH-семейства для евклидова расстояния (размерность 2). Другие LSH-семейства для евклидовых пространств.
Модель рыночной корзины. Задача поиска частых наборов элементов. Использование оперативной памяти при поиске частых наборов элементов. Метод треугольной матрицы и метод троек.
Масштабируемый алгоритм поиска ассоциативных правил A-Priori. Ассоциативные правила. Достоверность и поддержка. Алгоритм поиска ассоциативных правил с заданными достоверностью и поддержкой.
Обработка больших наборов данных в оперативной памяти. Алгоритм Парка-Чена-Ю (PCY). Многоэтапный алгоритм. Многохешевый алгоритм. Алгоритм с ограниченным числом проходов. Простой рандомизированный алгоритм. Алгоритм SON. Алгоритм Тойвонена.
Методы кластеризации. Иерархическая кластеризация. Эффективность иерархической кластеризации. BFR алгоритм кластеризации. Алгоритмы k-средних и CURE: сходства и различия.
Алгоритм параллельной обработки данных MapReduce – принципы построения. Умножение матриц в MapReduce. Операции реляционной алгебры в MapReduce.