京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用已成“标配”
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。在人工智能时代,大数据不再只是一次“机遇”,而是成为“标配”。大规模存储和计算平台支撑了大数据挖掘和机器学习的复杂而耗费资源的算法与处理。云计算已成为推动智能时代诸多企业创新及信息产业发展的引擎。
云计算支撑大数据应用
云计算、移动互联网与社交网络是大数据的三大推进器。在过去不到20年的时间里,个人计算设备生成的数据量呈现出惊人的增长态势。而要想处理好这些激增的数据,就需要强大的云存储与计算平台。当大数据和云遇见深度学习,这一计算机科学家朝思暮想了数十载的科技终于不再是无本之木。随着深度学习技术的潜能被充分释放,弈棋程序的胜利以及人们在图像识别、语音识别等领域的连番突破也就顺理成章了。
图像识别
智能手机支持某些看起来很酷很智能的功能,比如人脸检测、根据面孔特征实现身份识别和分类编目等,若没有一流云平台在背后支持,也是不可想象的。
小米手机相册有一些对用户而言相当便利和人性化的功能,例如:用户可以从合影中找到每一张人脸并看到年龄标签;点击“面孔”分栏,所有包含人物的照片便被归入“姓名”影集中;选择其中一张合影,应用还能标示出画面里每个人的姓名……这些功能对于“患有”脸盲症和健忘症的朋友来说非常有用,而且也让手机看起来很“聪明”。但其实,相关的运算过程并不是在手机硬件平台上进行,而是依托于远端的“小米云相册”。
支撑人脸检测与识别这个应用的是其背后的大数据,尤其是强大的云计算和存储能力。其中,人脸识别需要对已知人脸的数据库进行提取,也就是需要依靠强大的存储能力作为支撑。而对于输入的人脸图像或者视频流进行判断,则需要依靠云计算技术才能得以实现。
以围棋人机大战为例,围棋软件AlphaGo和人类六至九段棋手16000次的对局中获得3000万个布点数据,其动用了1920个CPU和280个GPU的高性能计算资源,在一场比赛中消耗的能量是人的300倍。如此巨大的数据存储和计算量,是以前的技术所无法实现的。
无人驾驶
如果没有大数据,世界将会变成什么样呢?让我们在不久前特斯拉无人驾驶汽车车祸中寻找答案。大数据的方法是采用“足够多的数据+简单的模型”来得到更好的结果。因此,想要提高性能,就必然依赖于大数据。数据越多,覆盖量、精密度越高,对模型的依赖就越低,人工智能就变得足够可靠。
“大数据+云”助推ICT腾飞
2015年,我们见证了云计算如何推动消费产品和企业级产品领域的伟大创新,成为不同规模企业的部署对象。如今,云计算已成为推动诸多企业创新的引擎。小米正通过云计算服务全球范围的智能手机用户;猎豹移动通过云计算为全球的用户提供手机安全的保障;WPS通过云为全球的办公用户提供文件的存储和分享。金山云作为国内顶级的云服务商,提供大规模存储和计算平台,支撑大数据挖掘和机器学习的复杂而耗费资源的算法与处理,成为诸多企业创新的引擎。金山视频云平台被视为全球最专注的公有视频云,金山游戏云平台成为国内最大的游戏云平台,已形成完善的游戏产业生态。金山云更多的垂直领域云平台,如医疗云、政务云平台正在成为智慧城市的核心和基础。与此同时,金山云在美国和香港设立了数据中心,以满足美国和东南亚客户的需要。
大数据和云计算将极大地推进我国信息产业发展。当前,人工智能时代正在来临,对于存储和计算能力将产生更大需求。最近五年,人工智能在数据本身已经有了很大的突破。当拥有了海量数据并在算法上有所突破之后,人工智能水平将进一步突破。未来,人们将在人工智能上持续挖掘需求和应用,这需要数据存储和计算能力的支撑。
人工智能已成为信息技术产业的主流与传统行业升级、转型和变革的关键。而算法、大数据、计算资源不仅构成了人工智能的坚实支点,还将成为现实中构建通往全新“智能”之路的能量之源。人工智能飞速发展,大数据和云共存共生、相互促进,一种不一样的思考方式正在成长成熟。大数据和云正在推动人工智能时代的来临,同时拥有大数据和云计算技术储备的企业将在智能时代发挥更大作用,助力ICT产业腾飞。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28