大數(shù)據(jù)入門你必須知道的關(guān)鍵詞

算法與分析法

算法 (Algorithms)-可以完成某種數(shù)據(jù)分析的數(shù)學(xué)公式。算法被用于軟件處理與分析輸入的數(shù)據(jù)。

分析法(Analytics)–用于發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在涵義。通過分析，無用雜亂的數(shù)據(jù)可以轉(zhuǎn)化成有益的結(jié)論。這里的重點是數(shù)據(jù)的影響力，而不是復(fù)雜的軟件系統(tǒng)。這可能就是為何大家使用數(shù)據(jù)來完成自己的論述。數(shù)據(jù)分析有三種不同的類型：

描述性分析(Descriptive Analytics)-把大數(shù)據(jù)分成小塊的信息分析，類似于總結(jié)數(shù)據(jù)所描述的故事。描述性分析不呈現(xiàn)每一組細(xì)節(jié)和數(shù)據(jù)，它描述了數(shù)據(jù)的基本特征，完成從“數(shù)據(jù)”到“信息”的轉(zhuǎn)化。

預(yù)測性分析(Predictive analysis)–大數(shù)據(jù)分析方法中最有價值的一種分析方法，這種方法有助于預(yù)測個人未來(近期)的行為。通過使用各種不同的數(shù)據(jù)集，來識別風(fēng)險和機(jī)遇。預(yù)測很難達(dá)到100%的準(zhǔn)確性，但是它提供了未來趨勢的見解。這種預(yù)測分析通常包含了數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)和統(tǒng)計學(xué)。

規(guī)范性分析 (Prescriptive Analytics)–不僅要利用“當(dāng)前和過去的數(shù)據(jù)”，還加入綜合考慮其他影響因素，在對比分析所有可能方案的基礎(chǔ)上，提出“可以直接用于決策的建議或方案”。規(guī)范性分析實現(xiàn)了從“知識”到“智慧(決定)”的轉(zhuǎn)變。云計算與數(shù)據(jù)

云計算(Cloud computing)– 云計算可用于任何時間與地點。它是構(gòu)建在網(wǎng)絡(luò)上的分布式計算系統(tǒng)，數(shù)據(jù)文件是存儲于網(wǎng)絡(luò)（即云端）而非硬盤。

數(shù)據(jù)庫即服務(wù)(Database-as-a-Service)–部署在云端的數(shù)據(jù)庫，即用即付，例如亞馬遜云服務(wù)(AWS: Amazon Web Services)。DaaS為公司們提供了高效快捷的獲取數(shù)據(jù)的方法，也自2015年來在市場中占有著舉足輕重的作用。

數(shù)據(jù)挖掘(Data mining)–從數(shù)據(jù)集中發(fā)掘特定模式或信息的過程。數(shù)據(jù)挖掘著重利用大數(shù)據(jù)作分析，過程也利用了人工智能，機(jī)器學(xué)習(xí)或統(tǒng)計學(xué)等知識。

黑暗數(shù)據(jù)(Dark Data)-黑暗數(shù)據(jù)是被收集以及處理的商業(yè)信息，但從未被投入真正的用處。黑暗數(shù)據(jù)可以被理解為在黑暗中等待被分析的信息。很多公司甚至沒有意識到他們所有的潛在數(shù)據(jù)。

數(shù)據(jù)庫(Database)–一個以某種特定的技術(shù)來存儲數(shù)據(jù)集合的倉庫，它包含了表格，圖等。數(shù)據(jù)庫也可被并入數(shù)據(jù)庫管理系統(tǒng)[Database Management System]，軟件用于數(shù)據(jù)分析。

物聯(lián)網(wǎng)的世界

Hadoop (Apache Hadoop)–一個開源的分布式系統(tǒng)基礎(chǔ)框架，可用于開發(fā)分布式程序，進(jìn)行大數(shù)據(jù)的運算與存儲。Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)，充分利用集群的威力進(jìn)行高速運算和存儲。

物聯(lián)網(wǎng)(Internet of Things)–在普通的設(shè)備中裝上傳感器，使這些設(shè)備能夠在任何時間任何地點與網(wǎng)絡(luò)相連，例如你的手機(jī)，可穿戴設(shè)備或車等。物聯(lián)網(wǎng)包含了大量數(shù)據(jù)，使它在數(shù)據(jù)科學(xué)中有著重要的地位。除了物聯(lián)網(wǎng)以外，我們還有：

萬物網(wǎng)(Internet of Everything):將人，程序，數(shù)據(jù)和事物結(jié)合一起使得網(wǎng)絡(luò)連接變得更加相關(guān)，更有價值。萬物網(wǎng)將信息轉(zhuǎn)化為行動，給企業(yè)，個人和國家創(chuàng)造新的功能，并帶來更加豐富的體驗和前所未有的經(jīng)濟(jì)發(fā)展機(jī)遇。

機(jī)器學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)

機(jī)器學(xué)習(xí)(Machine learning)–人工智能的一部分，指的是機(jī)器能夠從它們所完成的任務(wù)中進(jìn)行自我學(xué)習(xí)，通過長期的累積實現(xiàn)自我改進(jìn)。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動分析獲得規(guī)律并對未知數(shù)據(jù)進(jìn)行預(yù)測的算法。它使計算機(jī)具有智慧，不需要科學(xué)家的額外時間去優(yōu)化性能而發(fā)展。

MapReduce– MapReduce是面向大數(shù)據(jù)并行處理的計算模型、框架和平臺。這個模型可被分為兩個不同的概念，Map（映射）函數(shù)用來把一組鍵值對映射成一組新的鍵值對，指定并發(fā)的Reduce（歸約）函數(shù)，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。

神經(jīng)網(wǎng)絡(luò)(Neural Network)-人工神經(jīng)網(wǎng)絡(luò)模型是模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。它預(yù)測了不同的數(shù)學(xué)函數(shù)，依靠系統(tǒng)的復(fù)雜程度處理復(fù)雜信息。深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)的研究，含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。

NoSQL– NoSQL(NoSQL = Not Only SQL )，意即“不僅僅是SQL”，是一項全新的數(shù)據(jù)庫革命性運動，提倡運用非關(guān)系型的數(shù)據(jù)存儲。這類數(shù)據(jù)庫泛指傳統(tǒng)關(guān)系型數(shù)據(jù)庫以外的其他類型的數(shù)據(jù)庫。這類數(shù)據(jù)庫有更強(qiáng)的一致性，能處理超大規(guī)模和高并發(fā)的數(shù)據(jù)。

總的來說，大數(shù)據(jù)是對大量、動態(tài)、能持續(xù)的數(shù)據(jù)，通過運用新系統(tǒng)、新工具、新模型進(jìn)行挖掘，從而獲得具有洞察力和新價值的東西。以前，面對龐大的數(shù)據(jù)，我們可能會一葉障目，因此不能了解到事物的真正本質(zhì)，而大數(shù)據(jù)時代的來臨，一切真相將會展現(xiàn)在人們面前。