1、落地、跨界、效率、领导见面就谈大数据；
2、大数据成为主流产业需要5到10年；
3、数据是表象，实质是问题；
4、Doug Cutting：Fuel for change:data, EDH, Style catches on:ecosySystem, the Data Multi-Tool, Cloudera;
1、白皮书，发展趋势；
2、融合，跨界，基础，突破；
3、多学科融合，安全与隐私令人担忧；
4、深度学习，可视化分析，开源系统；
5、设备监测监视监控的数据成为热点；
6、天津滨海新区；
7、大数据创意比赛，学生成绩预测；
1、Store Anything, Object Stonge, Scalable;
2、Real time bidding;
3、如何用非编程的方式做数据分析；
4、Watson 感知计算；
5、DeepQA 深度问题解答；
1、屌丝如何使用大数据；
2、通讯等待协同会浪费多台机器的性能；
3、Hadoop 90%的时候是在等待，节点模型；
4、普适软件设备，中间层，中间件；
5、风险很大，回报很低；不是每个公司都能玩的；
6、机器学习需要反复的迭代；
7、硬盘读取代价很高；
8、数据和模型的两向性；
9、ML Machine Learning
10、Spark：Faster MapR on Data Parallel;
11、GraphLab，PETUUM，半同步；
12、SAP基于结构的并行化；
1、读懂人心；
2、gartner 预测；
3、感知，思考，控制；
4、学习的能力是智能的本质；
5、经验就是数据；百度经验；
6、人类（每个人）要连接1000个设备--万物互联；
7、万物互联--万物智能；
8、推广误差-》分解-》假设-》模型；
没有完美的假设；
9、数据不完美：噪声，不全，有限；
10、算法不完美；
11、智能是非常消耗能量的；