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。
大数据未来发展的趋势？数据资源化：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。
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
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─轮的技术革命。
数据科学与数据联盟的成立：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
数据泄露之滥
数据挖掘是什么？数据挖掘是指从大量数据中通过算法搜索隐藏于其中信息的过程
数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
数据挖掘的特点基于大量数据：小型数据可以人工分析总结规律，小数据量无法反应真实世界普遍特性
非平凡性：数据挖掘要发现深藏数据内部的知识，而不是直接浮
隐含性：数据挖掘要发现深藏数据内部的知识，而不是直接浮现在数据表面的知识
新奇性：挖掘的知识在以前是未知的，否则只是验证了经验
价值性：可以为企业带来直接间接的效益
数据挖掘步骤1定义问题
2建立数据挖掘库
3分析数据
4准备数据
5建立模型
6评价模型和分析
数据挖掘经典算法 神经网络法模拟生物神经系统的结构和功能，是一种通过训练来学习的非线性预测模型，它将每一个连接看作一个处理单元，试图模拟人脑神经元的功能，可完成分类、聚类、特征挖掘等多种数据挖掘任务
决策树法决策树是根据对目标变量产生效用的不同而建构分类的规则，通过一系列的规则对数据进行分类的过程，其表现形式是类似于树形结构的流程图。比如，在贷款申请中，要对申请的风险大小做出判断。
遗传算法遗传算法模拟了自然选择和遗传中发生的繁殖、交配和基因突变现象，是一种采用遗传结合、遗传交叉变异及自然选择等操作来生成实现规则的、基于进化理论的机器学习方法。
粗糙集法粗糙集法也称粗糙集理论，是一种新的处理含糊、不精确、不完备问题的数学工具，可以处理数据约简、数据相关性发现、数据意义的评估等问题。
模糊集法模糊集法是利用模糊集合理论对问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。模糊集合理论是用隶属度来描述模糊事物的属性。系统的复杂性越高，模糊性就越强
关联规则法关联规则反映了事物之间的相互依赖性或关联性。
什么是云计算？狭义上讲，云计算就是一种提供资源的网络，从广义上说，云计算是与信息技术、软件、互联网相关的一种服务，这种计算资源共享池叫做"云"，云计算把许多计算资源集合起来，通过软件实现自动化管理，只需要很少的人参与，就能让资源被快速提供。
特点 ：虚拟化技术 、动态可拓展 、按需部署 、可靠性高 、灵活性高 、性价比高、可拓展性 服务类型： 1、基础设施即服务 2、平台即服务 3、软件即服务 人工智能？人工智能(Artificial Intelligence)，英文缩写为Al。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科。
应用 ： 机器视觉，指纹识别，人脸识别，专家系统，自动规 划，智能搜索，定理证明，博弈，语言和图像理解 等。人工智能是一门边缘学科，属于自然科学和社会科学的交叉。 弱人工智能时代弱人工智能观点认为不可能制造出能真正地推理（ REASONING）和解决问题（PROBLEM_ SOLVING）的智能机器，这些机器只不过看起来像 是智能的，但是并不真正拥有智能，也不会有自主意 识。主流科研集中在弱人工智能上，并且一般认为这 一研究领域已经取得可观的成就。强人工智能的研究 则处于停滞不前的状态下。
强人工智能时代 强人工智能观点认为有可能制造出真正能推理（ REASONING）和解决问题（PROBLEM_ SOLVING）的智能机器， 并且，这样的机器能将被 认为是有知觉的，有自我意识的。强人工智能可以有 两类： 类人的人工智能，即机器的思考和推理就像人 的思维一样。 非类人的人工智能，即机器产生了和人完全不一样的 知觉和意识，使用和人完全不一样的推理方式。 区块链 区块链是分布式数据存储、点对点传输、共识机制、 加密算法等计算机技术的新型应用模式。区块链起源于比特币，是一个信息技术领域的术语。 从本质上讲，它是一个共享数据库，存储于其中的数 据或信息，具有“不可伪造”“全程留痕”“可以追溯”“公 开透明”“集体维护”等特征。基于这些特征，区块链 技术奠定了坚实的“信任“基础，创造了可靠的“合作” 机制，具有广阔的运用前景。
