⑴ 有哪些大數據產品或平台 數加 知乎

首先對大數據進行了解
其次學習相關知識
最後進入大數據行業
-

⑵ 數據分析和數據挖掘的區別 – lxw的大數據田地

來源：知乎
數據分析只是在已定的假設，先驗約束上處理原有計算方法，統計方法，將數據分析轉化為信息，而這些信息需要進一步的獲得認知，轉化為有效的預測和決策，這時就需要數據挖掘，也就是我們數據分析師系統成長之路的「更上一樓」。

數據挖掘與數據分析兩者緊密相連，具有循環遞歸的關系，數據分析結果需要進一步進行數據挖掘才能指導決策，而數據挖掘進行價值評估的過程也需要調整先驗約束而再次進行數據分析。
而兩者的具體區別在於：
（其實數據分析的范圍廣，包含了數據挖掘，在這里區別主要是指統計分析）

  • 數據量上：數據分析的數據量可能並不大，而數據挖掘的數據量極大。

  • 約束上：數據分析是從一個假設出發，需要自行建立方程或模型來與假設吻合，而數據挖掘不需要假設，可以自動建立方程。

  • 對象上：數據分析往往是針對數字化的數據，而數據挖掘能夠採用不同類型的數據，比如聲音，文本等。

  • 結果上：數據分析對結果進行解釋，呈現出有效信息，數據挖掘的結果不容易解釋，對信息進行價值評估，著眼於預測未來，並提出決策性建議。

    • 數據分析是把數據變成信息的工具，數據挖掘是把信息變成認知的工具，如果我們想要從數據中提取一定的規律（即認知）往往需要數據分析和數據挖掘結合使用。

⑶ 有什麼比較好的大數據入門的書 mm yan 知乎

《增長黑客》、《網站分析實戰》、《精益數據分析》、《深入淺出數據分析》、《啤酒與尿布》、《數據之魅》、《Storytelling with Data》

⑷ 怎麼進行大數據的入門級學習 知乎

博士和碩士就學位等級來說，博士高於碩士；碩士需要繼續學習才能獲得博士學位。1、我國高等學歷教育分為三個學歷層次:分別為專科，本科，研究生，而研究生學歷為最高學歷，但研究生可以根據學位分為碩士研究生和博士研究生，博士研究生是高等學歷教育中最高的教育等級。博士研究生畢業時，可以獲得全日制博士生畢業證書和相應的博士學位證書。而以同等學歷在職攻讀博士學位的，則不能取得學歷證書只能取得學位證書，其學歷仍然是原學歷，如本科或碩士研究生。2、碩士是一個介於學士及博士之間的研究生學位，擁有碩士學位者通常象徵具有對其專注、所研究領域的基礎的獨立的思考能力。碩士課程通常安排在學士之後，一般而言全職的碩士課程需要二年的時間，但根據國家及科系不同，有的碩士只要一年就能取得，有的則需要三至四年。3、博士研究生即攻讀博士學位的研究生，簡稱博士生，是研究生學歷的最高一級。人們日常生活中所說的考上了博士，讀博士等，正是指博士研究生。正在讀的還沒有獲得博士學位的學生，嚴格來講只能稱為博士研究生;已經獲得博士學位的人員，才是真正意義上的博士。因此，按照國際慣例，在正式場合，只有已經獲得博士學位的人才能冠之以"Dr."稱呼;在非正式場合可以不受此限制。

⑸ 大數據和雲計算之間有什麼關系 知乎

雲計算是利用軟硬體技術使用計算機的閑置計算能力或者利用計算機集群實現強大的計算能力，大數據是說對於數據的收集，清洗，提取然後分析歸類利用，大數據的分析和處理會用到雲計算的技術，簡單來說就是這樣。

⑹ 零基礎怎麼進入大數據行業 知乎

趨勢一：數據的資源化
何為資源化，是指大數據成為企業和社會關注的重要戰專略資源，並已成為屬大家爭相搶奪的新焦點。因而，企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。
趨勢二：與雲計算的深度結合
大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。
趨勢三：科學理論的突破
隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。
趨勢四：數據科學和數據聯盟的成立
未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。

⑺ 數據分析師需要學習hadoop嗎 知乎

Hadoop生態體系是大數據開發分析的重要部分，是需要去重點學習的。

⑻ 知乎上有哪些關於大數據，推薦系統，機器學習之類的專欄

學習，掌握，來利用…自…
其實，看起來是一年一個概念，實際上是有關聯的！
正是有了大數據，所以有了大數據分析
正是有了大數據分析，並且還有效，於是有了大數據這個概念。
正是因為人力處理大數據較為吃力，所以有了利用線性回歸，自歸納規律等辦法的深度學習來處理大數據的概念。
人工智慧與深度學習本是50年代就已經提出來的，因為難以利用被拋棄。
因為能處理大數據，深度學習從冷宮中走出來，順便把人工智慧也捎帶出來了而已。
三者像偶然，又是種必然！
短時間內，不會再有新的概念出現了，人工智慧是個很難啃的餅，至少得啃很多年的。
啃這個餅的時候，各行各業都會扯進來，用經驗幫助人工智慧進步，同時又改進各行各業。
目前來說，對人工智慧的未來，一切猜測都是沒有堅實基礎的，誰也不能保證一定成功，或者一定失敗。只有專注其中，你才會真正認識它。

⑼ 白話大數據與機器學習 怎麼樣 知乎

趨勢一：數據的資源化
何為資源化，是指大數據成為企業和社會關注的重要戰略資源，並已成為大家爭相搶奪的新焦點。因而，企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。
趨勢二：與雲計算的深度結合
大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。
趨勢三：科學理論的突破
隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。
趨勢四：數據科學和數據聯盟的成立
未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。