对人工智能大数据云计算的认识

我给大家解释一下这些术语：

云计算：是一个很热门的商业概念，说白了就是把计算任务转移到服务器上，但是服务器的计算资源可以是分包。当然，大规模商业化还存在一些问题，尤其是隐私保护问题。

大数据：说白了就是数据很多。今天的几兆字节数据在20年前也是大数据。但今天的大数据有什么特别之处呢？今天的问题是数据非常多，已经超出了传统计算机的处理能力（与量子计算机的区别），所以对于大数据我们不得不采用一些折中的方法（比如数据挖掘），这意味着所有的数据都无法处理。数据没有必要都需要精准的管理。事实上，有效数据非常有限。·此外，数据采样和数据压缩也是解决大数据问题的一些策略。

数据挖掘：从数据中提取潜在的见解，可以描述或预测数据的特征。代表性的数据挖掘任务包括关联规则分析、数据分类、数据聚类等。您可以在任何数据挖掘教科书中了解这些内容。下面我来说一下与大数据的区别：数据挖掘只是处理大数据的一种方法。马云所说的大数据，或者说今天商业领域所说的大数据，实际上是指所谓的大数据，或者是Science杂志上提到的大数据，或者是数据大的发展。奥巴马提出的策略我的理解是这些都远远超出了数据挖掘的范围，当然数据挖掘是一个非常重要的方法。真正的目标是如何有效地管理大数据。

机器学习：这个术语非常模糊，指的是一大类计算机算法。关键点是单词学习如果想让计算机有效地学习，当前大多数方法都使用迭代方法。因此，在科研界，只要采用这种不断迭代、逼近的策略，一般都可以归入机器学习的范畴。而且，所谓教学必须知道教什么。这就是所谓的训练组。看看它是否能够很好地学习然后可以用于实际应用。因此，选择合适的训练集也是一个知识问题。

Patternrecognize：即模式识别。模式有很多种，它们可以是语言，可以是图像，可以是事物的一些有意义的模块，所有这些都很重要。所以，总的来说，我认为模式识别这个术语有点模糊，但具体来说是面部图像识别、语音识别等。是相当真实的。可能是我理解不太好。

请告诉我您的其他问题。

传统的分析方法不涉及数据挖掘。我对数据分析了解不多，但可以肯定的是，传统分析是有一定的分析方向的，比如我想知道这两个产品之间的关系，那么我只能查数据库。数据挖掘虽然有一定的历史，但也相当时尚，它会自动向你展示那些在这个时期高度相关的产品，用户不需要指定具体的数据分析对象。

想要面对大数据时代，数据挖掘课程是必修课。另外，最好了解数据库，尤其是并行数据库和分布式数据库。至于机器学习和模式识别，除了少数特定领域外，一般与数据挖掘关系不大。

总之，这个概念相当热门，但大数据无论在研究还是商业化方面都还很不成熟。我是在做大数据背景下的算法研究，说实话，目前还没有非常可扩展的算法，所以我对大数据未来的发展方向还是比较迷茫的。

PS：在业务中应用数据挖掘时，最重要的是如何确定挖掘角度，这需要你对具体的应用领域有很好的了解，并且有非常清晰锐利的眼光。至于具体的数据挖掘算法，就交给我们专门研究的吧！（了解算法也很重要，可以将算法扩展到你的应用领域）