前沿知识准备

什么是大数据?你接触到的最大的数据有多大?

 它是这样定义大数据的：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型以及价值密度低四大特征。

数据源越多越精确，越能无限逼近事实和真相，越能获得更深邃的智慧和洞察，这就是大数据的价值。

 

研究大数据，最重要的意义是预测。因为数据从根本上讲，是对过去和现在的归纳和总结，其本身不具备趋势和方向性的特征，但是可以应用大数据去了解事物发展的客观规律、了解人类行为，并且能够帮助我们改变过去的思维方式,建立新的数据思维模型，从而对未来进行预测和推测。比如，商业公司对消费者日常的购买行为和使用商品习惯进行汇总和分析，了解到消费者的需求，从而改进已有商品并适时推出新的商品，消费者的购买欲就会提高。

 

可以说大数据是一种宝贵的战略资源，其潜在价值和增长速度正在改变着人类的工作、生活和思维方式。可以想象，在未来，各行各业都会积极拥抱大数据，积极探索数据挖掘和分析的新技术、新方法，从而更好地利用大数据。

 

什么是云计算？

 云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。可以在很短的时间内（几秒种）完成对数以万计的数据的处理，从而达到强大的网络服务。

大数据与云计算的关系

就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

 

什么是数据挖掘？

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。
指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

 

大数据和机器学习之间有什么联系？

云计算是“基础设施”，人工智能是“场景应用”，大数据是“交互内容”。

大数据使用物联网交互方式、存储在云计算基础设施、支持人工智能场景应用，生成完整的价值链。
大数据的存储、处理需要云计算基础设施的支撑，云计算需要海量数据的处理能力证明自身的价值；人工智能技术的进步离不开云计算能力的不断增长，云计算让人工智能服务无处不在、触手可及；大数据的价值发现需要高效的人工智能方法，人工智能的自我学习需要海量数据的输入

什么是机器学习？讲讲具体的算法。

机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构从而不断改善自身的性能。

相对于传统机器学习利用经验改善系统自身的性能，现在的机器学习更多是利用数据改善系统自身的性能。基于数据的机器学习是现代智能技术中的重要方法之一，它从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。

机器学习算法：决策树、神经网络、向量机、贝叶斯、Boosting…
决策树：决策树（decision tree）是一类常见的机器学习方法。类似于流程图，一颗决策树包含一个根节点、若干个内部节点和叶子节点，每一个树节点表示对一个特征或属性的测试，每一个分支代表一个属性的输出，每一个叶子节点对应一种决策结果。从根节点到每个叶节点的路径对应了一个判定测试序列。其学习的基本流程遵循分治（divide-and-conquer）策略。