写在前面
本文隶属于专栏《100个问题搞定大数据理论体系》,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢!
本专栏目录结构和文献引用请见100个问题搞定大数据理论体系
解答
大数据让人工智能变得更加智能,
人工智能让大数据变得更有价值。
人工智能和机器学习
机器学习是当前人工智能领域最热门的研究方向,本质上机器学习就是从人类学习中借鉴而来的,分为浅层学习和深度学习。
浅层学习可以简单理解为一遍遍机械填鸭式学习,学习效率不太高,深度学习可以简单理解为在一遍遍的学习过程中不断的总结知识之间的联系,大家都能理解,建立联系能帮助更好的学习。
机器学习本质上是利用统计学,概率论等数学手段来挖掘庞大数据里面的价值,数据=>知识 ,从而实现预测正在发生或者未来发生的事物这样的能力。
数据挖掘和机器学习之间最核心的区别其实就是一个是基于历史数据来挖掘,一个是基于历史数据来预测。
统计学从字面上就能理解了,你一两个数据能统计分析的准确吗?所以非得是极其庞大的数据量不可,一般来说,数据量越大,统计分析的越准确,当然,前提是这些数据都是高质量的。
关于数据质量请参考我的这篇博客——数据质量如何评测?
庞大的数据量必须由大数据才能驾驭!
所以,从某种角度来说,没有大数据,人工智能=人工智障!
————————————————
版权声明:本文为CSDN博主「Shockang」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/Shockang/article/details/116424292