大数据学习
文章目录
前言
一、人工智能、大数据、云计算、物联网的联系
人工智能
人工智能（Artificial Intelligence）简称AI，AI能根据大量的历史资料和实时观察（real－time observation）找出对于未来预测性的洞察（predictive insights）。比如我们所知道和了解的人像识别、图像识别技术、语音识别、自然语言理解、用户画像等。此类技术也现阶段已经在金融、物联网等行业得到应用！
数据分析（Big Data Analysis）
可视化分析（Analytic Visualization）、
数据挖掘算法（Date Mining Algorithms）、
预测性分析能力（Predictive Analytic Capabilities）、
语义引擎（Semantic Engines）
数据质量管理（Data Quality Management）。
机器学习和数据挖掘
监督学习模型
1决策树
2 贝叶斯方法
3 神经网络
4 支持向量机（SVM）
5 集成学习分类模型
无监督学习模型
1 K-means聚类
2 基于密度的聚类
3 层次聚类方法
4 谱聚类
半监督学习
1 Multi-view algorithm(多视角算法)
2 Graph-Based Algorithms(基于图的算法)
文本处理模型
1 分词模型**
2 TF-IDF模型
3 LDA模型
参考：
https://blog.csdn.net/u012325865/article/details/80481261.
大数据
大数据（Big Data） 大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume），数据类别复杂（Variety），数据处理速度快（Velocity）和数据真实性高（Veracity），合起来被称为4V
信息存储 分布式存储(Distributed memory) 服务器集群（Server Cluster）
信息处理 分布式计算（Distributed Computing） 服务器集群（Server Cluster）
大数据的技术基础：MapReduce、Google File System(GFS)和BigTable;
Hadoop (Doug Cutting 之父)采用 MapReduce 分布式计算框架，并根据GFS开发了 HDFS (hadoop Distributed file system) 分布式文件系统，根据BigTable开发了 HBase 数据存储系统; 加州大学伯克利分校 Spark 分布式计算系统;
大数据好比一张需要被处理的图片，Hadoop相当于Windows操作系统，图片可以存在HDFS里并被读取，mapreduce相当于Win自带的绘图板，spark相当于Photoshop.
Nutch, Lucene, Solr
参考：https://www.zhihu.com/question/23036370
没有人工智能的物联网：没大戏
而物流网又让人工智能：更准确
物联网 IOT
物联网（Internet of Things），可以简单地理解为物物相连的互联网，正是得益于大数据和云计算的支持，互联网才正在向物联网扩展，并进一步升级至体验更佳、解放生产力的人工智能时代。
物联网主要通过各种设备（比如RFID，传感器，二维码等）的接口将现实世界的物体连接到互联网上，或者使它们互相连接，以实现信息的传递和处理
人工智能背后强大的助推器：云计算
云计算
云计算 是将我们传统的IT工作转为以网络为依托的云平台运行，NIST（美国国家标准与技术研究院）在2011年下半年公布了云计算定义的最终稿，给出了云计算模式所具备的5个基本特征（按需自助服务、广泛的网络访问、资源共享、快速的可伸缩性和可度量的服务）、3种服务模式（SaaS（软件即服务）、PaaS（平台即服务）和IaaS（基础设施即服务））和4种部署方式（私有云、社区云、公有云和混合云）
男人找个女友或老婆是自建私有云，单身约炮或者到娱乐场所消费是公有云服务，按需使用并可弹性扩容，已婚男人找二奶小蜜则属于混合云
标签：人工智能,模型,联网,学习,计算,聚类,数据 来源： https://blog.csdn.net/weixin_41862346/article/details/109066659
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。