趋势分析：大数据开发

Q:1.数据挖掘=大数据+机器学习
A:数据挖掘、机器学习、模式识别三者的关系，可以说是一脉相承。与数据挖掘、机器学习、模式识别相关的书籍很多，但其实讲的东西都是大同小异，换汤不换药。无非就是神经网络、支持向量机、各种分类、聚类、回归的算法，深度学习以后也会加进来。
有人提出：数据挖掘=大数据+机器学习。感觉这样描述这三者的关系再适合不过了。机器学习强调计算机的学习能力，注重算法。大数据是各种数据的一种概念描述。数据挖掘我们最终的目的，我们使用机器学习的方法从海量的复杂的数据中找出对我们有用的信息，及知识发现。
我们可以这理解：模式识别=数据+机器学习。模式识别的本质就是分类和聚类，也就是监督模式识别与非监督模式识别。模式识别最重要的应用就是信息处理领域了，如图像识别、语音识别。
这里为什么用“数据”，因为这里通常是图像、信号之类的数据。没有被称作大数据的习惯。其实也没必要在一些概念上较真。没必要探究某些数据到底是不是大数据。管它是不是大数据，处理的方法都是一样的，只不过，“大数据”显得的牛B一点。
如果想从事大数据、数据挖掘、模式识别方面的工作，就应该脚踏实地学习各种算法。

数据在hive中，将mysql中数据迁入hive中，过了T的数据才有做大数据分析的意义。
1.梳理清楚自己的数据
2.从外部寻找数据，丰富的数据
3.什么平台，确定一个技术方向，然后写方案优化。

spark会不会取代hadoop
只能替代mapredus ，不能完全替代hadoop

百家争鸣的时代

大数据时代生命周期的，跨越鸿沟一本书

大数据还没到主流的封顶，大数据最多在青壮年

大数据始终是数据，我们本身无法离开的，他是永恒持续的

能够带领你到正确的技术方向

大数据是一个宽泛的范围，大数据是一个基础的平台分析工具，和不同行业的结合他的应用能力是不一样的。

关键是跨界

跨界能力比较受欢迎

知道大数据能做什么，不能做什么

融合的地方

十年前我们无法想到移动互联会如此深刻的改变我们的生活，我想五年后我们也无法想到大数据会深刻的改变我们的生活

it行业人才大洗牌，脱颖而出，掌握壁垒技术

 

Q:大数据与深度学习区别？
A:https://www.zhihu.com/question/31814850
https://www.zhihu.com/question/22870681
https://www.zhihu.com/question/20747381