非相關人士，只是略有了解。說的也許不對。看一下就好。

大資料和深度學習根本不是同一種東西。也不是同一個領域。或者說，深度學習會用到一些大資料作為輔助而已。

大資料顧名思義。數量極為龐大的資料量才能稱之為大資料。

大資料的主要用途是，透過龐大的資料進行計算分析出有價值的內容。透過這些內容來創造價值。

比如，淘寶已經成為了當之無愧的第一購物平臺。至少在一二線城市是這樣的。

這些人購物的資料，極其龐大。透過這些購物資料可以推算出這個人是一個什麼樣的身份，性格，愛好。透過購買的產品和習慣。可以推斷是家庭主婦，上班職員。家裡有沒有孩子，是不是剛裝修，喜不喜歡健身。是不是做保養。等等。可以透過這些來做產品推廣。精準定位每一個使用者。給他們推薦他們最需要的產品。從而提高銷量。

還有，京東做資料的時候，他們可以透過搜尋，例如北京地區有一百人搜尋了刮鬍刀。於是京東在北京的庫房備貨，提前運來了幾款刮鬍刀。因為透過大資料計算，這些人中會有人購買刮鬍刀。於是這些人下單之後，可以用最快的速度將貨物送到客人手中，這就是京東為什麼送貨快的原因。因為透過大資料，提前把貨物送到相應城市，只需要最後一步送達。

還有全國哪裡在網上買泳衣的人最多。經過大資料分析，竟然是新疆。我當時知道這個結果很納悶，我認為應該是海濱城市。但是經過分析。因為在海濱城市。游泳非常方便，到處都有賣泳衣的地方。隨時可以購買。反而不用上網買。對於內陸的新疆。他們只有去游泳館游泳。並且產品不像海濱城市那樣全豐富。所以他們會選擇在網上購買自己喜歡的需要的產品。

所以這就是大資料。透過龐大的使用者資料，分析出各種對於自己有用處的資料。發現其中的隱藏價值。

而深度學習則是人工智慧領域裡面的東西。

人中智慧AI，就是編寫一套程式。這套程式透過大量的資料來自主學習一種能力。

我們一般的程式都是固定的功能。需要透過人工編寫程式進行迭代更新升級。

但是AI，並不是寫好一個功能。而是透過一種演算法，讓程式從外界獲得資訊，分析，整理，歸納。最後自己編寫成自己的功能。

AI與人的區別就是，人是一種擁有舉一反三能力的人。我們看到一隻貓知道是貓，然後在看到一百隻貓都知道這是貓。但是AI不行。看到一隻貓，不認識，看到一萬隻貓也不認識。但是透過不斷的學習。十萬只，百萬只，千萬只。只要數量足夠大。那麼就有可能提取出來某些特性。讓AI能夠在下一次辨別出來這是不是一隻貓。

而這些資料就是大資料。這個大資料是單純的數量大。

因為人無法真的找幾千萬只貓咪來給AI做訓練。所以需要從網路獲取關於貓咪的大資料。將這些資料進行人工篩選後。給AI做訓練。

我之前看過一個AI訓練的影片。影片中，創作者，給程式幾個簡單的命令。從A點到B點。告訴AI，碰到牆壁就是失敗。然後就不管它了。就讓AI自己不斷的完成這個人物。螢幕上是一輛小汽車，在螢幕底端，出口在頂端。中間是幾個S型的路線。需要在其中穿行。剛開始小汽車連移動都困難，做不到直線行走。當幾千次失敗之後，終於有點像樣的能直線行走出一個小直線。到了第一個拐彎處的時候。就是不斷的撞牆失敗。大概有個幾萬次之後，就學會拐第一個彎。當然影片是快進的。短短十幾分鍾影片，實際上需要很久很久。但是當最後訓練完畢之後的結果就是，小車以極快的速度，精準的角度，在兩三秒鐘就衝到了終點。這中間完全沒有人為的干涉。

其實這個過程就是。透過不斷試錯。記住了整個地圖的樣貌，知道哪兒是牆壁。在哪兒該做什麼動作。然後將最短最正確的路線彙總的出來的結論。其實一點也不智慧，可以說傻的可以。但是這就是AI起步的階段。透過龐大的資料，讓AI自己分析，判斷，總結。最後得出一個好的結果。

所以大資料就是大資料。裡面存在著大量的隱藏價值。

而深度學習。是一種面向未來的，智慧程式方法。

前期都是要學習開發內容，程式語言的，大資料跟Java開發很相似，而深度學習主要是人工智慧方向的，想要學習可以到某公看看，師資授課都很好，老師專業負責任，而且學習價效比超高。