معماری پروژه های داده کاوی (با تاکید بر پایگاه داده اوراکل)

مدت هاست با این سوال روبرو هستم که معماری نرم افزاری، ابزارها، زیرساخت های یک پروژه داده کاوی چی هست؟ این درخواست بیشتر از سوی کسانی مطرح می شد که با پایگاه داده اوراکل سر و کار داشتند. در این مقاله تلاش می کنم تا در مورد معماری های مرسوم کمی صحبت کنم:

رویکرد اول: استفاده از Oracle R Enterprise
شرکت اوراکل یک نسخه از R Language را برای استفاده در پایگاه داده منتشر کرده است. استفاده از این ابزار به جهت تعبیه شدن در پایگاه داده می تواند به بهبود فرآیند پیاده سازی الگوریتم ها منجر شود. نکته مهم این است در فرآیند انتشار این نسخه الگوریتم های محدودی استفاده شده است و عملا راه برای توسعه مدل و بهبود دقت آن بسته است.

رویکرد دوم: ساخت Machine Learning Based Web Application
در این رویکرد می توان با استفاده از فریمورک جنگو یا فلسک در پایتون نتایج حاصل از پیاده سازی مدل را در قالب یک وب اپلیکیشن پیاده سازی کرد.