云计算术语是什么(云计算的基本概念是什么呢)

让我向您解释一下这些术语：

云计算：这是一个非常流行的商业概念。其实说白了就是把计算任务转移到服务器上。用户只需要一台服务器的计算资源，但是可以外包。当然，大规模商业化还存在一些问题，尤其是隐私问题。

大数据：说白了就是数据太多了。今天的几兆字节的数据在20年前也是大数据。但今天的大数据有什么特别之处呢？今天的问题是数据太多了，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使用一些折衷的（比如数据挖掘），这意味着所有的数据不是必须的，都需要精确的控制。事实上，有效数据非常有限。只需使用数据挖掘来提取这些有限的知识。·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：从数据中提取能够描述或预测数据特征的潜在知识。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。下面我来说一下与大数据的区别：数据挖掘只是大数据处理的一种。马云所说的大数据，或者说今天商业领域所说的大数据，其实就是指数据挖掘。其实真正的大数据是《科学》上提到的大数据，或者是奥巴马提出的大数据发展战略，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。真正的目的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。重点是单词的学习。如果您希望计算机有效地学习，当前大多数都使用迭代。因此，在科学研究环境中，只要采用这种迭代、持续逼近的策略，一般都可以归入机器学习的范畴。另外，所谓学习必须知道自己应该学什么。这就是所谓的训练集。计算机需要从训练集数据中学习一些通用规则，然后使用一些其他数据（即测试集）来看看它是否能够很好地学习。嗯，那么就可以用于实际应用了。因此，选择合适的训练集也是一个学问的问题。

模式识别：是指对模式的识别。模式有很多种，可以是语言，可以是图像，可以是事物的一些有意义的模块，这些都很重要。所以总体来说，我觉得模式识别这个概念有点模糊，但是具体的面部图像识别、语音识别等还是比较真实的。可能是我理解不太好。

请告诉我您的其他问题。

传统的分析不包括数据挖掘。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。例如，如果我想知道这两个产品之间的关系，我可以直接查看数据库。数据挖掘虽然有一定的历史，但也相当时尚。它会自动告诉您高度相关的产品。在此期间，用户无需指定具体的数据分析对象。

想要应对大数据时代，数据挖掘课程是必不可少的。另外，了解数据库，尤其是并行数据库和分布式数据库。当谈到机器学习和模式识别时，除了某些专业领域之外，这些通常与数据挖掘关系不大。

总之，这个概念相当热门，但大数据无论是研究还是商业化都还非常不成熟。我目前正在做大数据背景下的算法研究。说实话，目前基本上没有可扩展性很强的算法，所以我对大数据未来的发展方向相当困惑。

PS：在业务上使用数据挖掘时，最重要的是如何确定挖掘角度。这就需要你对具体的应用领域有很好的了解，并且有非常敏锐的眼光。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）