Data Science sempre prescindiu de muito processamento de dados e a computação distribuída foi criada justamente para que fosse possível ampliar os ...

Data Science sempre prescindiu de muito processamento de dados e a computação distribuída foi criada justamente para que fosse possível ampliar os recursos disponíveis. No que diz respeito à utilização de computação distribuída e suas formas de integração, entre as aplicações e as soluções de Data Science podemos eleger o que pode ser mais vantajoso. De acordo com o texto-base e os conhecimentos a respeito de Data Science, é possível afirmar que: As soluções de Data Science utilizam muito o recurso de interconexão de aplicações do tipo cliente-servidor porque dividem os serviços de bancos de dados das bibliotecas de Machine Learning. As soluções de Data Science utilizam muito o recurso de interconexão de aplicações de memória compartilhada para treinar e criar seus modelos matemáticos de previsão. Por utilizarem somente memória, as soluções de Data Science não precisam de uma estrutura de arquivos compartilhados ou arquivos distribuídos. As soluções de Data Science utilizam a computação distribuída somente para paralelizar os testes de modelos complexos em cima dos dados separados de treinamento. As soluções de Data Science utilizam muito o recurso de interconexão de aplicações chamado messaging para integrar as bibliotecas de Machine Learning.