現在說的人工智慧大多是機器學習，而機器是怎麼學習了，就是給機器喂大量的資料，讓機器學習裡面的規則，從而遇到相同的場景便可以做出合理的動作，比如AlphaGo，就是透過大量棋局資料學習到一定範圍內的最優解。機器學習一般可以分為幾個步驟:資料採集，特徵工程，模型訓練，線上預測。所以說大資料是人工智慧的第一步，只有資料才能使機器更聰明，現在大多數行業還是需要人工對資料打標，然後讓機器進行學習。大資料可以學習Hadoop生態，Spark等，人工智慧現在有很多框架，但核心還是機器學習演算法，語言可以選擇Python。

首先，Python是目前被廣泛應用的程式語言之一，尤其在大資料和人工智慧領域有廣泛的使用，所以Python人工智慧指的是透過Python實現的人工智慧應用（智慧體），比如用Python實現機器學習，用Python實現計算機視覺或者自然語言處理等等。從概念上來說，Python只是人工智慧實現過程中（或實驗過程中）的一種工具而已，人工智慧所涵蓋的意義要廣泛的多，除了目前比較熱門的機器學習之外，還有知識表示、自動推理、機器人學等方向。看一個artificial intelligence algorithms的描述：

其次，大資料是圍繞資料價值化的一系列操作，包括資料的採集、儲存、安全、分析、呈現和應用等等，所以大資料是以資料為中心，以資料價值化為目的的一系列概念（技術）的集合。大資料與物聯網和雲計算的關係比較密切，物聯網為大資料提供了資料的主要來源，而云計算則為大資料提供了執行環境的支撐，所以這三個技術也互為關聯，也同時被認為是第三次資訊化浪潮的三個代表技術。

人工智慧追求的目標是智慧體具備“自主決策”及“行動”的能力，“合理的思考”和“合理的行動”是目前人工智慧領域主要的研究方向，當然早期也在探討“像人一樣思考”和“像人一樣行動”，但是合理的思考和行動則更具可行性。從這個角度來說，人工智慧追求的是一個過程和結果，所涉及到內容也更加寬泛。大資料追求的目標是資料價值化，目前透過資料分析的方式來實現資料價值化是比較常見的方式，而資料分析的方式集中在統計學分析和機器學習分析上。從這個角度來看，大資料追求的是資料本身能夠呈現的內容價值，是一種決策的基礎，大資料本身並不會做出決策。

最後，雖然人工智慧和大資料在目的和過程上均有明顯的區別，但是大資料和人工智慧之間的聯絡也非常緊密，因為人工智慧決策的基礎正是大資料，在大資料時代背景下，人工智慧也取得了一定的發展，尤其在機器學習領域。相信隨著大資料的落地應用，未來人工智慧也會得到進一步的發展。

在人工智慧發展如此迅速的今天，Python作為人工智慧主流語言受到越來越多的人青睞，其市場前景一片大好。

大資料開發是從各種各樣型別的資料中，快速獲得有價值資訊的能力。

return語句是從函式返回一個值，每個函式都要有一個返回值。 　　函式中一定要有return返回值才是完整的函式，如果沒有定義返回值，那麼會得到一個結果是None物件，而None表示沒有任何值。 　　return是返回數值的意思，比如定義兩個函式，一個是有返回值，另一個用print語句，看看結果有什麼不同。 def fnc1(x,y): print x+y 　　當函式沒有顯式return，預設返回None值，可以測試一下： 　　>>> result = fnc1(2, 3) 　　>>> result is None 　　True