寫在前面

本文隸屬于專欄《100個問題搞定大數據理論體系》，該專欄為筆者原創，引用請注明來源，不足和錯誤之處請在評論區幫忙指出，謝謝！

本專欄目錄結構和文獻引用請見100個問題搞定大數據理論體系

解答

大數據讓人工智能變得更加智能，

人工智能讓大數據變得更有價值。

人工智能和機器學習

機器學習是當前人工智能領域最熱門的研究方向，本質上機器學習就是從人類學習中借鑒而來的，分為淺層學習和深度學習。

淺層學習可以簡單理解為一遍遍機械填鴨式學習，學習效率不太高，深度學習可以簡單理解為在一遍遍的學習過程中不斷的總結知識之間的聯系，大家都能理解，建立聯系能幫助更好的學習。

機器學習本質上是利用統計學，概率論等數學手段來挖掘龐大數據里面的價值，數據=>知識 ，從而實現預測正在發生或者未來發生的事物這樣的能力。

數據挖掘和機器學習之間最核心的區別其實就是一個是基于歷史數據來挖掘，一個是基于歷史數據來預測。

統計學從字面上就能理解了，你一兩個數據能統計分析的準確嗎？所以非得是極其龐大的數據量不可，一般來說，數據量越大，統計分析的越準確，當然，前提是這些數據都是高質量的。

關于數據質量請參考我的這篇博客——數據質量如何評測？

龐大的數據量必須由大數據才能駕馭！

所以，從某種角度來說，沒有大數據，人工智能=人工智障！

————————————————

版權聲明：本文為CSDN博主「Shockang」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：//blog.csdn.net/Shockang/article/details/116424292