人工智能还是大数据库

㈠ 大数据库和人工智能有什么关系吗

人工智能里面有一部分算法是需要数据的，首先要进去数据，然后才能学习。
比如一个大数据库叫ImageNet，有十几亿张图片，用了这么大量的图片，我们才能训练我们的深度神经网络去做图片中猫猫、狗狗、车辆的识别。
如果没有这些海量的数据，很多机器学习算法是不能用的，像我们现在看视频网站它是面向百亿特征，千亿参数，万亿样本，你没有万亿样本就支撑不了百亿特征，你可能要有一个亿的样本才有可能支撑百万特征，而且深度学习是需要海量特征做特征工程的，所以这个时候大数据实际是很多机器学习算法得以能够发展的基础，但是发展到一定程度，有些算法它又突然脱离数据了，比如说我们做增强学习，像早期的阿法狗(AlphaGo)，它学了几十万专业棋手之间的对局，它是大师，那它就下得很好，后来的阿法Zero(Alpha Zero)，它是自己和自己下棋，反正有规则，所以它的数据实际不是真的数据，是生成出来的，它没有用真实数据，但是它用了增强学习，所以说它最后下得比阿法狗还强。

㈡ 计算机科学与技术、人工智能和大数据哪个专业好（对女生来说）

计算机科学与技术，人工智能和大数据哪一个专业适合女生？

说实话，只要是数学，物理好的，这几个专业都适合女生就业《 关键问题是，就业环境中，存在的女性就业歧视 》

这几个专业属于热门专业，除了计算机科学与技术相对成熟外， 人工智能和大数据 是新兴专业，并不是太成熟，还是在摸索阶段，需要解决的问题还不少。

从女性就业上看，这几个专业从理论上对女性不太有好，至少是工作强度上，我们在人工智能方面占据绝对的位置，但是我们不否认我们的有利是靠 996完成的， 高强度的工作时间，确实不适合，不值得女性去拼搏，《 特别是女性到了婚姻阶段，企业往往会找一些没有道理的道理，来解决女性工作问题 》

当然我们也不能一概而论，在这些专业中女性期待成绩的也不占少数，只要你能适应高强度的工作压力，应该比男性更容易取得成绩。

其实在计算机科学技术专业中，适合女性的是网络安全。

这三个都是非常热门的专业，根据2019年教育部公布的数据——在新增备案专业中新增最多的就是“数据科学与大数据技术”，全国共有196所高校争相开设。其次是人工智能类专业：机器人工程、智能科学与技术、智能制造工程。新增最多的审批专业是“人工智能”专业，全国共有35所985大学获得审批“人工智能”专业首批建设资格。

计算机科学与基础是一门研究计算机的专业。专业涉及面非常的广，涉及到了计算机软件，硬件，数据库，操作系统，软件工程等。如果将来打算考研往人工智能大数据方向发展，我们建议在本科的时候，可以学计算机科学技术。

人工智能专业可以理解为先要机器学习人类的语言、行为，再进行模仿为人类进行服务。目前开设的高校并不是很多，多为985工程重点院校，专业横跨计算机、自动化、心理学、数学等学科。

大数据专业是计算机科学与技术跟数学、统计学的交叉学科，专业也会涉及到人工智能的相关课程。要求对于数据库，程序设计，计算机网络有足够了解，同时对于数学的要求极高。

目前在这些专业里面男女比例是比较失衡的，甚至有的专业会出现“和尚班”，没有一个女生。如果女生从小对于计算机电子信息这一块比较感兴趣，那么选择了相关专业之后，将来就业的时候也会有一定的优势。从团队建设的角度来讲在一些知名企业里面也愿意招收一些女生。

从三个专业来看，个人会推荐女生往大数据方向学习。但是大数据专业对于计算机和数学的要求非常高。本科阶段，能够把基础学科学的扎实，这是最为重要的。考研就是对于职业生涯方向进行再一次的调整，热门方向相应的门槛也会比较高一些。

专注教育问答，欢迎关注张老师生涯课堂，分享帮助更多人

中国女性，有韧性，勤劳，聪明，善良，美丽，是世界上最伟大的女性，没有之一！三个方向都适合中国女性，尤其是喜欢数学的中国女性！计算机最后发展的瓶颈在于数学！计算机科学与技术是基础需要学习计算机原理，操作系统，数据结构，编程等！有了这个好的基础，可以搞机器学习，深度学习，神经网络等，这是人工智能的领域，人工智能算法需要大数据的训练，才能形成相对稳定的预测模型！由此可见先学计算机科学与技术，其次是大数据，其次是人工智能！当然可以只学计算机科学与技术，或者学前两个，或者三个都学！我期待中国涌现出大量的计算机科学科学家！

人工智能虽火，但众多相关专业的研究人员都转向人工智能，竞争必激烈，从易就业易高薪的角度，人工智能不是最佳选择，再说你是女生，人工智能更不适合，是因为工作强度的问题，建议搞计算机，将来做测试方向，相对轻松，薪水也不低

都可以，跟着你的心走就好了。

我简单跟你说一下这两者的不同吧。

1.计算机科学与技术 就是传统的大学科，什么都学，软件、硬件、网络三个大方向，计算机组成原理，操作系统，代码重构，C语言，C++，Java都是有的，不知道现在有没有Python。

学这个可以系统性地了解一下计算机的东西，搞软件也未必就接触不到其他方向的东西了，起码网络协议有时候还是非常重要的，搞大数据，那数据库总得非常熟悉吧。

这个专业的好处就是全面，侧重点在哪，主要想学什么，自己定。

2.数据科学与大数据技术 是近些年新开的学科，主要学习内容是数学，统计，软件三个方面的东西。除了计算机相关，还得学很多数学课程，统计的一些东西。

搞大数据其实也分好多场景和类别的，像是大数据开发工程师，那是妥妥的程序员，需要先学Java打好底子，然后学Hadoop搞大数据。还有些数据科学家是搞科研的，还有各种数据分析师，就是类似金融和各行各业的做分析的那些人才了，虽然也可能会用到编程的知识，但不一定是重点，也不一定都会学到什么程度。怕是自己要多用点心，多努努力了。

3.人工智能同理，女生与男生也同理。在编程这块区别不大，不拼体力，主要看思维。

至于选择哪个么，就看你是想系统性地学习一下计算机，打好基础，还是想直接学大数据对口的相关东西了。或者人工智能。

选计算机科学 就好好打基础，自己分析查看以后做大数据开发需要用到的东西，把课程体系里没有的东西自己找资料来补上，自学，或者参加培训，找人教，带着做项目。

选大数据科学 就看看大数据都讲什么，自己想往哪个方向发展，看看企业，目标单位都要什么技术。搞科研就多弄数学，编程就补计算机，统计就好好弄统计。想学好都是得自己下功夫的。

人工智能也是同理。

不过211的学生嘛，挺优秀的了，自学能力OK的。知道怎么做了，剩下的就去做就好了。

顺便给你贴一下大数据的学习路径吧，可能用得到。

如果需要学习线路图或随堂笔记的话，评论区给我回复111，找我就好了。

建议人工智能，现在人工智能人才十分稀缺，学这以后就业方便，收入高，而且要花的精力不会比另外两个方向多很多

看样子你是走不了研究路线的，建议计算机专业，做做产品设计、前端开发、项目测试及管理。人工智能和大数据专业，不读研读博，不读名校，打造不出核心竞争能力。

㈢ 学大数据分析和人工智能哪个更有前景

都非常不错

㈣ 人工智能和大数据那个专业比较好呀

大数据
Big data，是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。
人工智能
Artificial Intelligence，英文缩写为AI。它的领域范畴是研究、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学。
大数据技术主要是围绕数据本身进行一系列的价值化操作，包括数据的采集、整理、存储、安全、分析、呈现和应用等。大数据技术与物联网、云计算都有密切的联系，物联网为大数据提供了主要的数据来源，而云计算则为大数据提供了支撑平台。
人工智能目前还处在初级阶段，主要的研究方向集中在自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人学等六个方面。人工智能是典型的交叉学科，涉及到哲学、数学、计算机、经济学、神经学、语言学等诸多领域。
大数据与人工智能的关系
大数据和人工智能虽然关注点不相同，但关系密切，可以这样说，大数据是人工智能的基石，动力。大数据和AI中的深度学习是密不可分的，有了大量数据，作为深度学习的“学习资料”，计算机可以从中找到规律，海量数据，加上算法的突破和计算力的支撑让人工智能获得突破、走向应用。
一是人工智能需要大量的数据作为“思考”和“决策”的基础，二是大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体（人工智能产品）。
人工智能就是大数据应用的体现，是大数据、云计算的应用场景。没有大数据就没有人工智能，人工智能应用的数据越多，其获得的结果就越准确。
河南新华欢迎学习

㈤ 物联网，云计算，大数据，人工智能怎么区分与彼此关系

物联网：

在之前被定义为通过射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络，简言之物联网就是“物物相连的互联网”。

后来被重新定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及的信息技术的应用，都可以纳入物联网的范畴。

云计算：

是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务)，这些资源能够快速提供，只需投入很少的管理工作，或与服务商进行很少的交互。

物联网和云计算的关系

云计算相当于人的大脑，是物联网的神经中枢。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。

大数据：

是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。如果将大数据比作一个产业，那么这种产业实现盈利的关键在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

大数据和云计算的关系

从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

人工智能：

英文缩写为AI，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学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能与大数据、云计算的关系

人工智能其实就是大数据、云计算的应用场景。现在已经比较火热的VR，沉浸式体验，就是依赖于大数据与云计算，让用户能够由更加真切的体验，并且VR技术是可以使用到各行各业的。人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。

㈥ 人工智能和大数据的关系是什么样的，哪个更有前景

什么是大数据？
随着时代的发展，我们在日常生活中产生的数据也越来越多，比如日常上网浏览，全国一天就能达到几十亿的数据量，而且这仅仅只是网页浏览产生的数据量，各行各业所有的数据量加起来可想而知。
什么是人工智能？
云计算是基于互联网的相关服务的增加、使用和交付模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新是物联网发展的灵魂。
大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。
人工智能打个比喻为一个人吸收了人类大量的知识（数据），不断的深度学习、进化成为一方高人。人工智能离不开大数据，更是基于云计算平台完成深度学习进化。
人工智能与大数据
如果我们把人工智能看成一个嗷嗷待哺拥有无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。
与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以外传统的算法相比，这一算法并无多余的假设前提（比如线性建模需要假设数据之间的线性关系），而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据而拥有自优化的能力。
至于哪个更有前景，我们来看看
人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。
大数据的概念在前几年已经炒得火热，但是也就是近两年才开始慢慢落地，依赖于云计算的发展，以及人们对人工智能的预期。
说到底，云计算是大数据的底层架构，大数据依赖云计算来处理大数据，人工智能是大数据的场景应用。三者直接建立起一个体系，从而实现改变世界的目的。三者不能分开说，一定要紧密结合。

㈦ 大数据，云计算，现在又有人工智能，到底学哪个好

这个看个人对哪方面感兴趣再结合个人自身的情况来选择，大数据，云计算版，人工智能三者之间相辅相权成又不可分割，人工智能难学些，学习技术性知识较多，需要有一定的基础，如果你想挑战高难度的话就可以选择人工智能，其次的话就选择学习大数据或者是云计算。

㈧ 人工智能和大数据有什么区别

• 人工智能

  （计算机科学的一个分支）

  锁定

本词条由“科普中国”科学网络词条编写与应用工作项目审核
。

人工智能（Artificial Intelligence），英文缩写为AI。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学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。[1]2017年12月，人工智能入选“2017年度中国媒体十大流行语”

• 大数据

  （IT行业术语）

  本词条由“科普中国”科学网络词条编写与应用工作项目审核
  。

大数据（big data）是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。[1]

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[2]中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。[3]

㈨ 云计算，大数据和人工智能三者之间的关系

云计算、大数据、人工智能这三者的发展不能分开来讲，三者是有着紧密联系的，互相联系，互相依托的，脱离了谁都不能更好的发展，让我们具体来看一下！
一、大数据
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。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
数据每天都在产生，各行各业都有，数据量也是相当之大，但如何整合数据，清洗数据，然后实现数据价值，这才是当今大数据行业的研究重点。大数据最后要实现的是数据超融合，应用到应用场景，大数据的价值才会体现出来。
人工智能就是大数据应用的体现。
二、云计算
云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
对云计算的定义有多种说法。对于到底什么是云计算，至少可以找到100种解释。现阶段广为接受的是美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
说白了，云计算计算的是什么？云存储存储的是什么？还是大数据！所以离开大数据谈云计算，离开云计算谈大数据，这都是不科学的。
三、人工智能
人工智能(Artificial Intelligence)，英文缩写为AI。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学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种复杂工作的理解是不同的。
人工智能其实就是大数据、云计算的应用场景。
现在已经比较火热的VR，沉浸式体验，就是依赖与大数据与云计算，让用户能够由更加真切的体验，并且VR技术是可以使用到各行各业的。
人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。
大数据的概念在前几年已经炒得火热，但是也就是近两年才开始慢慢落地，依赖于云计算的发展，以及人们对人工智能的预期。