[人工智能]2021年11月29日课二

一、大数据时代究竟改变了什么——思维方式

（一）、数据重要性

数据资源→数据资产（增值）

（二）、方法论

基于知识的理论完美主义（专家判断）→基于数据的历史经验主义

（三）、数据分析

统计学（抽样）→数据科学（大数据）

数据科学家（大数据+算法+业务知识）

（四）、计算智能

复杂算法→简单算法

（五）、决策方面

目标决策→数据决策

（六）、业务方面

基于业务数据化→基于数据业务化

（七）、产业竞合

以产业为中心→以数据为中心

二、大数据4V特征

（一）、数据量大

（二）、数据种类多

结构化数据

非结构化数据：图像；音频

半结构化数据

（三）、速度快

数据增长快

数据处理速度快

（四）、价值密度低

价值密度=有价值数据÷ALL

三、大数据项目架构—以电信日志分析为例

（一）、项目名称：电信日志分析系统

（二）、项目描述：用户访问日志数据和用户安全日志数据

（三）、项目架构分析

数据采集层→数据存储层→数据分析层→机器学习层→数据展示层

（四）、项目职责

（五）、项目优化

四、机器学习-人工智能发展

（一）、人工智能三次浪潮

跳棋：专家系统—IBM公司

象棋：统计模型—IBM公司

围棋：深度学习—DeepMind

（二）人工智能应用场景

图像识别；无人驾驶；智能翻译；语音识别；医疗智能诊断；数据挖掘

五、人工智能>机器学习>深度学习

机器学习是人工智能一个分支（数据挖掘；模式识别也是分支）

深度学习是机器学习的一种方法，用于图像识别

人工智能落地依靠机器学习

六、数据分析、数据挖掘、机器学习关系

数据：观测值

信息：可信的数据

数据分析：从数据到信息

数据挖掘：信息进行价值化

模式识别：图像识别

七、了解机器学习

（一）、机器学习=机器+学习=CPU+GPU（图形图像处理器）+数据+算法

（二）、如何判断为机器去学习

特定问题：确定性事件；基础统计问题—不需要机器学习

看是否有预测过程

八、基于规则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

基于模型通过数据构建机器学习模型，通过模型预测

机器模型是学习模型；学习模型的k和b（参数）