大数据专题-1

声明

课程笔记，授课教师：
李影 大数据系统核平台 NoSQLDB 大数据计算引擎spark/tensorflow
刘宏志 分析、算法
张齐勋 3案例设计：数据收取分析，搭建大数据平台，平台调优

引言

柯达→索尼（数码领先）→诺基亚（手机=照相机）（被微软收购合并，大量裁员）→苹果（smart phone）→手机大战-三星领先
传音手机 解决African People拍照的人脸识别，小而美
大数据中很多都是非结构数据，e.g.图像

“如果网络能够解决人与企业之间沟通的问题，那么会带来两场革命，一是计算，二是商务。” ——by Louis ？
预言准确
数据中心系统：性能差的机器、故障是常态。
基于此基础设施，实现高性能支撑，并可进行机器学习、人工智能等

Gartner 市场咨询企业
新兴技术成熟度曲线
e.g. 去年深度学习“寒冬”，每种技术都会经过反省期，后来形成方法论指导（也可能消失被取代），逐渐发展
2018年AI普惠，区块链，生化芯片等处于热潮
知识图谱未来对机器学习可能有很大推动
技术不断创新，树立全局观

从技术创新长波理论看新一代信息技术

IT正在颠覆传统行业
能力 应用 成本 是IT发展的3大目标
追求能力的提高，迫切要求应用的广度、深度，成本的要求

摩尔定律：晶体管数量每18-24月增长一倍
梅特卡夫定律：网络价值随用户数量的平方数而增加（用的人越多价值越高-流量）
贝尔定律：计算机每10年更新一代，面向新应用，价格更低
香农定理：信道最大传输速率与？的关系==？==

早期面向能力和成本
“注意力的经济” 互联网商业价值开始体现
Backrub→Google
后摩尔时代：①质变：改进/替换图灵机、冯诺依曼结构……量子计算机、类脑芯片…… ②量变引起质变：资源聚合，云计算、泛互联网……
梅特卡夫定律和贝尔定律成为主导，取代摩尔定律和香农定理
未来形成 新平台、新模式、新思维
互联网+移动互联网(人)+物联网(物)
开源机器学习平台 tensorflow …
量子计算机，类脑计算机（比特大陆）
人类智能 vs 人工智能 差距仍然很大

符号主义 逻辑推理
连接主义 神经网络、深度学习
行为主义 ？
小样本学习，基于贝叶斯程序学习等概率学习方法，应该是下一代人工智能的重要方向

深度学习探索we don’t know what we known
传统算法总结 we know what we know
情感、意识的深度学习模拟 we know what we unknown 脑科学继续探索

大数据是新一代信息技术的业务引擎

《大数据时代》
数据产生方式：运营式系统数据(数据仓库，知识系统)+用户原创数据(Web2.0 带动大数据e.g. Hadoop发展)+感知式系统数据(物理世界-互联网)
数据资源：可再生，待挖掘

特点

1. 数据量巨大
   且增长迅速
2. 数据类型繁多
   10%结构化数据，存储在数据库中
   90%非/半结构化数据，与人类信息密切相关 e.g.简历=半结构化数据
   e.g. 结构化数据 远程监督学习 类自然语言中挖掘信息 ?互补
3. 数据处理速度快，价值密度低
   时间窗口变小，仅在极短时间内具有价值 - 密度低
4. 数据不确定性
   e.g. 自动驾驶：①先检测车辆、行人，再规划路径，再控制方向②端到端学习将视频、雷达、激光测距都丢给学习算法，直接控制方向 但是干扰因素很多，小的扰动就会造成波动-深度学习的模式规律难以总结

应用

Jim Gary 实验归纳→模型推演(公理)→仿真模拟(理论指导下 计算机)→数据密集型科学发现(没有明确目标，从中总结)

• 描述性分析
• 预测性分析 pattern?套用
• 规范性分析 优化/决策

e.g. 银行客户保留 根据描述性分析的结果，不正常行为的pattern，进行预测性分析，采取关系策略
仅进行数据分析是不能产生价值的，要将分析结果应用于现实~
e.g. 微软城市计算 高维数据，速度块，稀疏性→分析城市道路网中的不合理规划，划分城市功能区域，连锁店布局，出租车扒活/拼车，自行车空气质量细粒度检测……
e.g. 医疗领域的发展前景最优 患者相似性分析→疾病特征
e.g. OpenAI

风险

• 大数据有预测失误
  e.g. Google 流感预测-依赖搜索 效果不佳
• 数据可能说谎
  e.g. 飓风前夜 - 食品大量采购 推特数最多 - 飓风中心？wrong!
  产生数据的可能是特权阶层
• 盲点
  自主智能系统无法找到真正能评估其持续性影响的方法
  与训练集有关
  e.g. Uber L4自动驾驶车辆车祸致人死亡
• 偏见
  e.g. 面部图像自动犯罪概率推断

技术挑战

1. Raw data
2. 关联 不等于 因果
3. 弱智能：不同数据集、不同特征集合、不同应用领域迁移的问题
4. 理解性（可解释性）差：图片加扰动可以大幅影响结果
5. 可拓展性差：算法、数据、算力 推动AI发展的3大动力 AI算力每3.43个月需求增长一倍（超过摩尔定律）∴深度神经网络精确度接近饱和，每增长一点对算力的要求提高很多，投入产出比很低，应该考虑3个主义中的行为主义？

大数据平台的挑战

大数据平台

数据量大，数据模型规模(参数)大
Big Data, Big Model and Big System

层次

操作框架
数据集成
数据分析
计算框架//资源管理器&？
数据存储//
文件系统

大数据系统中算法只占核心一小部分，依赖数据收集、可视化、机器资源管理、存储……

Fine Lab
重点讲计算框架和数据存储

最后

以上就是傻傻康乃馨最近收集整理的关于大数据专题-1的全部内容，更多相关大数据专题-1内容请搜索靠谱客的其他文章。