目录
文章目录
前言
一、现在，全球已步入大数据时代，那么，大数据是什么？有什么特点？能做什么？
二、什么是智能？什么是人工智能？人工智能正在不知不觉走入日常的方方面面，举几个生活中应用人工智能的场景实例？
三、人工智能对各行各业（金融、医疗、教育、零售等等）产生了什么样的影响？
四、人工智能和机器学习、深度学习的关系是什么？
五、什么是机器学习？机器学习分类：监督学习 VS 无监督学习，那么，什么是监督学习？什么是无监督学习？
六、学习任务用于表征通过学习可以解决的基本问题，机器学习典型的学习任务包括哪些？
七、机器学习典型学习任务中的分类、回归、聚类任务有什么特点？并举例说明。
总结
前言
有很多新手刚刚接触大数据与人工智能方向学习，如果不知道怎么着手的，跟我一起慢慢进步叭~
提示：以下是本篇文章正文内容，下面案例可供参考
一、现在，全球已步入大数据时代，那么，大数据是什么？有什么特点？能做什么？
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
特点：①多样。大数据的多样性是指数据的种类和来源是多样化的，数据可以是结构化的、半结构化的、非结构化的，数据的呈现方式不仅限于文本、图像、视频、HTML页面；
②大量。大数据的大量性是指数据量很大；
③高速。大数据的高速性是指数据增长快速，各行各业的数据都在呈指数级增长；
④低价值密度。大数据的低价值密度是指在海量的数据源中，真正有价值的数据少之又少；
⑤真实性。大数据的真实性是指数据的准确度和可信赖度，代表数据的质量。
能做什么？①新零售时代，大数据赋能零售；②在金融行业，大数据让借贷款更放心；③在互联网行业，大数据让广告营销更高效。
二、什么是智能？什么是人工智能？人工智能正在不知不觉走入日常的方方面面，举几个生活中应用人工智能的场景实例？
智能：是智力和能力的总称，是一种用于解决问题的机制，智能并不止是一种东西，它包含了搜集知识、学习、创造、策略，或是批判思考的能力。
人工智能（AI）：人工智能指的是在被编程为像人类一样思考并模仿其行为的机器中对人类智能的模拟，是指由人工制造出来的系统所表现出来的智能。
实例：指纹识别、人脸识别、视网膜识别、虹膜识别、专家系统、智能搜索和博弈等。
三、人工智能对各行各业（金融、医疗、教育、零售等等）产生了什么样的影响？
①安防：利用计算机视觉技术和大数据分析犯罪嫌疑人的生活轨迹及可能出现的场所；
②金融：利用语音识别、语义理解等技术打造智能客服；
③医疗：智能影像可以快速进行癌症早期筛查等；
④交通：无人驾驶通过传感器、计算机视觉等技术解放人的双手和感知；
⑤零售：利用计算机视觉、语音识别、机器人等技术提升消费体验；
⑥工业制造：机器人代替工人在危险场所完成工作。
四、人工智能和机器学习、深度学习的关系是什么？
人工智能 > 机器学习 > 深度学习
①人工智能：通俗的讲就是机器或者系统代替人进行信息收集、思考和行动；机器学习：一切通过优化方法挖掘数据中规律的学科，多用于数据挖掘、数据分析和预测等领域；深度学习：一切运用神经网络作为参数结构进行优化的机器学习算法，广泛地应用于计算机视觉和自然语言处理领域。
②机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术；
③机器学习和深度学习都属于人工智能的范畴，机器学习是人工智能的算法基石，而深度学习是机器学习的一个分支。
五、什么是机器学习？机器学习分类：监督学习 VS 无监督学习，那么，什么是监督学习？什么是无监督学习？
机器学习（ML）：是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法，从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。
监督学习：提供数据并提供数据对应结果的机器学习过程。
无监督学习：提供数据并且不能数据对应结果的机器学习过程。例：谷歌新闻
六、学习任务用于表征通过学习可以解决的基本问题，机器学习典型的学习任务包括哪些？
分类、聚类、回归、排名、密度估计、降维、优化
分类：将输入划分成两个或多个类别
聚类：输入被划分为若干个事先未知的组
回归：输出是连续值而且不是离散的
排名：用他们的排名来代替值的数据转换
密度估计：寻找某个空间内输入的分布
降维：通过将输入映射到低维空间来将其简化
优化：从所有可能的解中寻找最优解
七、机器学习典型学习任务中的分类、回归、聚类任务有什么特点？并举例说明。
分类：是一种对离散型随机变量建模或预测的监督学习算法，通常适用于预测一个类别而不是连续的数值。典例包括邮件过滤、金融欺诈和预测雇员异动等以输出为类别的任务；
回归：是一种对数值型连续随机变量进行预测和建模的监督学习算法。典例包括房价预测、股票走势或测试成绩等连续变化的案例；
聚类：一种无监督学习任务，基于数据的内部结构寻找观察样本的集群。典例包括细分客户、新闻聚类、文章推荐等。
总结
例如：以上就是今天要讲的内容，本文涉及到大数据与人工智能方向先修课第1周的雪梨任务，仅为个人记录，仅靠参考。
