第一章小结

信息技术发展史的 三次 革命浪潮:一、1980年前后,以个人计算机的使用为标志,解决信息处理问题,如Intel、惠普, 苹果、联想、戴尔

二、1995年前后,以  互联网  的出现为标志,解决信息传输问题,如腾讯、百度、阿里巴巴

三、2010年前后,以云计算、物联网和大数据的出现为标志,处理信息爆炸问题,

数据产生的三大阶段:一、运营式系统阶段【数据库的出现使数据管理的复杂程度大大降低。数据一般伴随着一定运营活动而产生并记录在数据库中,数据的产生方式是被动的】

二、 用户原创类容阶段【数据爆发产生于wed2.0时代,时代最重要的标志就是用户原创类容。

智能手机等移动设备加速内容产生,数据产生方式由被动转变为主动】

三、感知式系统阶段【感知式系统的广泛应用。人类社会数据量的第三次飞跃最终导致了 大数据  的产生】

大数据的四个基本特征【4V】:1、数据量大;

2、数据类型繁多;

3、处理速度快;

4、价值密度低。

科学研究经历了四个阶段:1、实验科学阶段;

2、理论科学阶段;

3、计算科学阶段;

4、数据密集型科学。

大数据对思维方式的重要影响【大数据时到最大的转变就是思维方式的  3大 转变】:1、全样而非抽样【大数据的核心就是海量数据的存储和处理,

分布式文件系统和分布式数据技术提供了理论上近乎无限的数据存储能力】

2、效率而非精确【全样分析解决了网前时代科学抽样分析伴生的误差问题

大数据时代具有“秒级响应”特征,要求在几秒内迅速给出针对海量数据的实时分析结果,

否则就会丧失数据的价值,故而数据分析的效率成为其关注核心】

3、相关而非因果【从数据分析解释事物发展机理到      “相关性”   】

传统数据仓库与大数据决策的区别:

数据仓库以关系数据库为基础,在数据类型和数据量等方面受到较大限制,

大数据决策可以面向类型繁多、非结构化的海量数据进行决策分析

大数据在金融、汽车、零售、餐饮、电信等行业得到日益广泛的应用

大数据并非单一的数据或技术,它是数据和大数据技术的综合体。

大数据技术包括:1、数据采集;2、数据存储和管理;3、数据处理和分析;4、数据安全和隐私保护

大数据产业包含以下几个层面:1、IT基础设施层;

2、数据源层;

3、数据管理层;

4、数据分析层;

5、数据平台层;

6、数据应用层。

云计算大多负责底层基础   IT  资源  的优化整合、以服务的方式提供    IT    资源   的商业模式

云计算关键技术:虚拟化、分布式存储、分布式计算、多租户...............

云计算应用于政务、医疗、卫生、教育、企业.....................

物联网:利用局域网或互联网实现多方位连接,形成人与物、物与物相连,达到信息化和远程管理控制的目的。

物联网可以分为四层:【感知层、网络层、处理层和应用层】

云计算、大数据和物联网的伴生关系:

1、云计算为数据库提供了技术基础,大数据为云计算提供了用武之地;

2、物联网是大数据的重要来源,大数据技术为物联网数据分析提供了支撑。

3、云计算为物联网提供海量数据存储能力,物联网为云计算提供了广阔的应用空间。

原文地址:https://www.cnblogs.com/xuezu2018/p/11833074.html

时间: 2024-10-06 21:52:01

第一章小结的相关文章

Unity 游戏框架搭建 2019 (九~十二) 第一章小结&第二章简介&第八个示例

第一章小结 为了强化教程的重点,会在合适的时候进行总结与快速复习. 第二章 简介 在第一章我们做了知识库的准备,从而让我们更高效地收集示例. 在第二章,我们就用准备好的导出工具试着收集几个示例,这些示例中有的是我们后续库的基础工具,也有的是在项目中非常实用的小工具,还有一些示例是实践了在框架搭建方向上非常重要的 C# 语法知识. 第二章大纲如下. 第八个示例(一) 在之前,我们完成了一个导出的功能.但是在完成这个功能的过程中,我们也遇到了一些问题.我们回忆一下,在<MenuItem 复用>的这

python第一章小结

第一章总结 一.简述编译型与解释型语言的区别,且分别列出你知道的哪些语言属于编译型,哪些属于解释型 编译器是把源程序的每一条语句都编译成机器语言,并保存成二进制文件,这样运行时计算机可以直接以机器语言来运行此程序,速度很快; 如C C++ Delphi 等语言是编译型语言 而解释器则是只在执行程序时,才一条一条的解释成机器语言给计算机来执行,所以运行速度是不如编译后的程序运行的快的. ----跨平台. 如Python Java PHP Ruby等语言是解释型语言 高级语言所编制的程序不能被计算机

算法第一章小结

第一章主要介绍的内容是算法的时间复杂度还有NP完全问题. 算法的复杂度分析主要包括空间复杂度和时间复杂度,但空间复杂度一般我们不去分析,因为现在的硬件水平确实处于较高的水平,所以我们一般会去分析时间复杂度.时间复杂度用O(n)表示. NP完全问题的概念比较难理解.简单来说,就是如果一个问题A,且A∈NP,并且在多项式时间内可解,那么就叫做NP完全问题. 那么NP问题是什么呢?就是说如果一个问题,它无法通过确定的算法去计算出相应的结果,但是却可以用算法去验证一个猜测的答案. 原文地址:https:

信号完整性分析第一章小结

空间 5.为了发现.修正和防止信号完整性问题,必须将物理设计转化为等效的电路模型并这个模型来仿真出波形,以便在制造出产品之前预测器性能. 6.使用三种级别的分析累计算电气效应——经验法则,解析近视和数值仿真工具,这些分析都可以应用于建模和仿真. 7.测量无源器件的和互连线的电气性能的仪器一般有三种:阻抗分析仪.网络分析仪和时频反射仪. 8.这些仪器对减小设计风险.提高建模和仿真过程精度的可信度起着重要作用. 9.理解四种信号完整性的问题可以得出消除这些问题的最重要方法.下图总结了这四种信号完整性

spring in action第一章小结1

1 spring基本理念是简化java开发. 使用以下4个策略简化java开发 1) 基于POJO的轻量级和最小侵入性编程 2)通过使用DI和AOP实现松耦合 3)基于切面和惯例进行声明式编程 4)通过切面和模板减少样板式代码 2 依赖注入:对象的依赖关系将由负责协调系统中各个对象的第三方组件在创建对象时设定.对象无需自行创建或管理他们的依赖关系---依赖关系将会被自动注入到需要他们的对象中. 3 装配:创建应用组件之间协作的行为称为装配. 4 面向切面编程被定义为促使应用程序分离关注点的一项技

经典中的博弈:第一章 C++的Hello,World!

经典中的博弈:第一章 C++的Hello,World! 摘要: 原创出处: http://www.cnblogs.com/Alandre/ 泥沙砖瓦浆木匠 希望转载,保留摘要,谢谢! "程序设计要通过编写程序的实践来学习"-Brian Kernighan 1.1 程序 何为程序?简单的说,就是为了使计算机能够做事,你需要在繁琐的细节中告诉它怎么做.对于怎么做的描述就是程序.编程是书写和测试怎么做的过程.维基百科上说,一个程序就像一个用汉语(程序设计语言)写下的红烧肉菜谱(程序),用于指

数据结构 第一章学习小结

数据结构   第一章学习小结 1.数据结构第1章的心得体会: 这周学习了数据结构的绪论及第一章.初步了解了数据结构与算法的相关概念,一开始看书看视频时觉得还挺抽象的,不能够完全理解.但是反复多看了几遍之后,结合例题,自己去操作去跑代码,慢慢觉得容易理解接受起来了.由于现在以网课形式进行教学,老师上课的同时基本还是靠自己去理解学习.当然老师也发挥很大的作用,比如让我们更深入的了解递归的空间复杂度为什么与问题规模有关,又怎样去找到该函数的临界值等等.既锻炼了我们深入思考的能力,也让我们更加清楚了解不

数据结构第一章学习小结

第一章学习了一些基本概念以及它们之间的联系,对数据结构这门课程有了初步的了解.刚开始看书的时候,有很多地方不是很明白,对一些名词的解释也不懂,后来结合视频讲解才比较透彻.一开始不清楚ADT的作用,直到自己去写了一遍才有体会.当自己不懂或者不会的时候,一定要自己上手去写去打代码,才能明白困扰自己的那个点在哪里,通过查资料.看视频等等方式解决这个问题.数据结构和算法是相辅相成的,理解透彻基本的概念,才能为之后的学习铺路.这学期要肯花功夫,本来基础就不是很好,更应该笨鸟先飞.对概念的理解不透彻,或言之

用 WEKA 进行数据挖掘 ——第一章:简介

1.简介数据挖掘.机器学习这些字眼,在一些人看来,是门槛很高的东西.诚然,如果做算法实现甚至算法优化,确实需要很多背景知识.但事实是,绝大多数数据挖掘工程师,不需要去做算法层面的东西.他们的精力,集中在特征提取,算法选择和参数调优上.那么,一个可以方便地提供这些功能的工具,便是十分必要的了.而weka,便是数据挖掘工具中的佼佼者.Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费的,非商业化的,基于JAVA环境下