机器学习导论-day1

1 大数据的4V特征

    ① 数据量大

        TB-PB-ZB

        HDFS分布式文件系统

    ② 数据种类多

        结构化数据：Mysql为主的存储和处理

        非结构化数据：图像、音频等

HDFS、MR、Hive

        半结构化数据：XML格式、HTML格式

             HDFS、MR、Hive、Spark

③ 速度快

扫描二维码关注公众号，回复： 7258111 查看本文章

     增长速度快

        TB-PB-ZB

        HDFS

    数据处理速度快

        MR-HIVE-PIG-Impala（离线）

        Spark-Flink（在线）

    ④ 价值密度低

2 大数据项目框架

    ① 数据采集 ftp，socket

    ② 数据存储 HDFS

    ③ 数据分析 MR+HIVE+INPALA+SPARK

    ④ 机器学习层 在大数据处理后的应用

⑤ 数据展示 oracle+ssm

3 人工智能发展

3.1 人工智能三次浪潮

    跳棋-专家系统

    象棋-统计模型

    围棋-深度学习

3.2 人工智能场景

    图像识别、无人驾驶、智能医疗、智能翻译、语音识别、数据挖掘

4 机器学习-人工智能的区别和联系

    机器学习是人工智能的一个分支

    深度学习是机器学习的一个分支

5 数据、数据分析、数据挖掘的区别和联系

    数据是观测值或测量值

    信息是可信的数据

    数据分析：数据—信息

    数据挖掘：信息—有价值的信息

6 机器学习

    机器学习致力于研究如何通过计算手段，再给定算法结合数据构建模型，通过模型达到预测的功能。

7 基于规则的学习和基于模型的学习

    基于规则的学习是硬编码的方式进行学习

    基于模型的学习是通过数据构建机器学习模型，通过模型进行预测。