【无标题】

机器学习基础

1. 大数据时代到底改变了什么

• 改变思维方式
• 数据重要性
• 方法论
• 数据分析（数据科学）
• 计算只能（简单算法）

2. 大数据的4V特征

• 数据量大
• 数据种类多
  1.结构化数据
  2. 非结构化数据
  3. 半结构化数据
• 速度快
  1. 数据增长的数据块
  2. 数据处理的数据块
• 价值密度低

3. 大数据项目架构——以电信日志分析

• 以电信项目为例子
• 项目名称：电信日志分析系统
• 项目描述
• 项目优化分析
  1.数据采集层
  2. 数据储存层
  3. 机器学习层
  4. 数据展示层
• 项目职责

1. 重点负责
2. 重点分析哪些字段
3. 项目有没有优化

• 项目优化
  HDFS+SPARK

人工智能对未来的改变

1. 人工智能的发展
   2. 人工智能场景应用
   * 机器学习是人工智能的分支

数据分析与数据挖掘和数据分析的关系

1. 数据
2. 信息
3. 数据分析
4. 数据挖掘
5. 深度学习方法
6. 模式识别

什么是机器学习

1. 机器学习== 机器+学习

2. 人类学习== 大脑+经验

3. 机器学习==CPU+GPU+数据+算法

4. 是否有预测的过程

5. 基于规则的学习
   * 硬编码，不是智能范畴。

6. 基于模型的学习。

• 构建机器学习模型，通过模型进行预测
• X自变量，f函数映射，Y因变量
• 最终求解y=kx+b,中的k和b
• 机器学习的最终目的是什么
  1. 学习的是模型；
  2. 学习的是k 和b.