我們先看一下相關概念之間的關係,再看各自的關鍵側重點在哪裡。
1,大資料、人工智慧、機器學習、深度學習的關係。
大資料,或者說大資料分析平臺,更具體一點就是大資料分析PaaS平臺,其實是一種針對需要處理海量資料統計分析的PaaS雲平臺。
人工智慧,是要讓機器能夠像人類一樣具有感知、觀察的能力,並且可以做到理解和推理(弱人工智慧),甚至做到自適應、處理未曾遇到過的問題(強人工智慧)。
機器學習正是一種實現人工智慧的方法,利用海量資料的訓練,透過演算法解析資料,從中學習,然後處理在真實世界中遇到的問題。
深度學習是實現機器學習的一種技術,透過深度神經網路模型實現機器學習。
從上面可以看出後三者是層層包含關係,最終都是為了實現人工智慧,而實現人工智慧的關鍵所在就是“透過海量資料的訓練”,而這些海里資料的統計、分析與處理正是依靠大資料分析平臺來實現的。
2,關鍵技術。
基於上面提到的這些名詞之間的關係和實現要求,可以得出最關鍵的技術有:
數學基礎:統計與機率、線性代數等
演算法:機器學習演算法、深度學習演算法、神經網路模型等
工具:大資料分析PaaS平臺
我們先看一下相關概念之間的關係,再看各自的關鍵側重點在哪裡。
1,大資料、人工智慧、機器學習、深度學習的關係。
大資料,或者說大資料分析平臺,更具體一點就是大資料分析PaaS平臺,其實是一種針對需要處理海量資料統計分析的PaaS雲平臺。
人工智慧,是要讓機器能夠像人類一樣具有感知、觀察的能力,並且可以做到理解和推理(弱人工智慧),甚至做到自適應、處理未曾遇到過的問題(強人工智慧)。
機器學習正是一種實現人工智慧的方法,利用海量資料的訓練,透過演算法解析資料,從中學習,然後處理在真實世界中遇到的問題。
深度學習是實現機器學習的一種技術,透過深度神經網路模型實現機器學習。
從上面可以看出後三者是層層包含關係,最終都是為了實現人工智慧,而實現人工智慧的關鍵所在就是“透過海量資料的訓練”,而這些海里資料的統計、分析與處理正是依靠大資料分析平臺來實現的。
2,關鍵技術。
基於上面提到的這些名詞之間的關係和實現要求,可以得出最關鍵的技術有:
數學基礎:統計與機率、線性代數等
演算法:機器學習演算法、深度學習演算法、神經網路模型等
工具:大資料分析PaaS平臺