⑴ 有哪些大数据产品或平台 数加 知乎

首先对大数据进行了解
其次学习相关知识
最后进入大数据行业
-

⑵ 数据分析和数据挖掘的区别 – lxw的大数据田地

来源：知乎
数据分析只是在已定的假设，先验约束上处理原有计算方法，统计方法，将数据分析转化为信息，而这些信息需要进一步的获得认知，转化为有效的预测和决策，这时就需要数据挖掘，也就是我们数据分析师系统成长之路的“更上一楼”。

数据挖掘与数据分析两者紧密相连，具有循环递归的关系，数据分析结果需要进一步进行数据挖掘才能指导决策，而数据挖掘进行价值评估的过程也需要调整先验约束而再次进行数据分析。
而两者的具体区别在于：
（其实数据分析的范围广，包含了数据挖掘，在这里区别主要是指统计分析）

  • 数据量上：数据分析的数据量可能并不大，而数据挖掘的数据量极大。

  • 约束上：数据分析是从一个假设出发，需要自行建立方程或模型来与假设吻合，而数据挖掘不需要假设，可以自动建立方程。

  • 对象上：数据分析往往是针对数字化的数据，而数据挖掘能够采用不同类型的数据，比如声音，文本等。

  • 结果上：数据分析对结果进行解释，呈现出有效信息，数据挖掘的结果不容易解释，对信息进行价值评估，着眼于预测未来，并提出决策性建议。

    • 数据分析是把数据变成信息的工具，数据挖掘是把信息变成认知的工具，如果我们想要从数据中提取一定的规律（即认知）往往需要数据分析和数据挖掘结合使用。

⑶ 有什么比较好的大数据入门的书 mm yan 知乎

《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》

⑷ 怎么进行大数据的入门级学习 知乎

博士和硕士就学位等级来说，博士高于硕士；硕士需要继续学习才能获得博士学位。1、我国高等学历教育分为三个学历层次:分别为专科，本科，研究生，而研究生学历为最高学历，但研究生可以根据学位分为硕士研究生和博士研究生，博士研究生是高等学历教育中最高的教育等级。博士研究生毕业时，可以获得全日制博士生毕业证书和相应的博士学位证书。而以同等学历在职攻读博士学位的，则不能取得学历证书只能取得学位证书，其学历仍然是原学历，如本科或硕士研究生。2、硕士是一个介于学士及博士之间的研究生学位，拥有硕士学位者通常象征具有对其专注、所研究领域的基础的独立的思考能力。硕士课程通常安排在学士之后，一般而言全职的硕士课程需要二年的时间，但根据国家及科系不同，有的硕士只要一年就能取得，有的则需要三至四年。3、博士研究生即攻读博士学位的研究生，简称博士生，是研究生学历的最高一级。人们日常生活中所说的考上了博士，读博士等，正是指博士研究生。正在读的还没有获得博士学位的学生，严格来讲只能称为博士研究生;已经获得博士学位的人员，才是真正意义上的博士。因此，按照国际惯例，在正式场合，只有已经获得博士学位的人才能冠之以"Dr."称呼;在非正式场合可以不受此限制。

⑸ 大数据和云计算之间有什么关系 知乎

云计算是利用软硬件技术使用计算机的闲置计算能力或者利用计算机集群实现强大的计算能力，大数据是说对于数据的收集，清洗，提取然后分析归类利用，大数据的分析和处理会用到云计算的技术，简单来说就是这样。

⑹ 零基础怎么进入大数据行业 知乎

趋势一：数据的资源化
何为资源化，是指大数据成为企业和社会关注的重要战专略资源，并已成为属大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。
趋势二：与云计算的深度结合
大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。
趋势三：科学理论的突破
随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。
趋势四：数据科学和数据联盟的成立
未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。

⑺ 数据分析师需要学习hadoop吗 知乎

Hadoop生态体系是大数据开发分析的重要部分，是需要去重点学习的。

⑻ 知乎上有哪些关于大数据，推荐系统，机器学习之类的专栏

学习，掌握，来利用…自…
其实，看起来是一年一个概念，实际上是有关联的！
正是有了大数据，所以有了大数据分析
正是有了大数据分析，并且还有效，于是有了大数据这个概念。
正是因为人力处理大数据较为吃力，所以有了利用线性回归，自归纳规律等办法的深度学习来处理大数据的概念。
人工智能与深度学习本是50年代就已经提出来的，因为难以利用被抛弃。
因为能处理大数据，深度学习从冷宫中走出来，顺便把人工智能也捎带出来了而已。
三者像偶然，又是种必然！
短时间内，不会再有新的概念出现了，人工智能是个很难啃的饼，至少得啃很多年的。
啃这个饼的时候，各行各业都会扯进来，用经验帮助人工智能进步，同时又改进各行各业。
目前来说，对人工智能的未来，一切猜测都是没有坚实基础的，谁也不能保证一定成功，或者一定失败。只有专注其中，你才会真正认识它。

⑼ 白话大数据与机器学习 怎么样 知乎

趋势一：数据的资源化
何为资源化，是指大数据成为企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。
趋势二：与云计算的深度结合
大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。
趋势三：科学理论的突破
随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。
趋势四：数据科学和数据联盟的成立
未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。