数据发掘与学习在企业大数据平台运用中面临的技术应战

企业大数据的实施过程中，照旧面临很多技术应战，触及数据采集与获取、数据存储与查询、数据处理与计算、数据发掘与学习、数据了解与运用、数据管理与扩展等方面。在数据发掘与学习运用中，存在以下几个方面的技术应战：

技术应战
算法本身的优化。大量的算法由于计算复杂度高导致运转工夫较长，无法满足实时性的业务需求；另外，很多现有算法的计算过程，并不合适改形成高度并行化和分布式的运转逻辑。这对算法本身的优化甚至创作提出了更高的要求。
非标准化知识发掘。现有的机器学习、数据发掘、深度学习等算法大多事应对标准化的工作义务或场景，因此对数据输入和输入都有对应的训练标准和要求。比如，监督式学习需求提供计算维度和目的标签。但在大量的实践场景中能够面临非标准化或个性化的价值发掘需求，例如在非监督式的学习中提炼不确定性（没有先验阅历形式）的知识和可变的规则等。
高度智能化计算。在知识发掘过程中，照旧需求人类参与模型配置、训练、评价等过程，计算机本身承担的“仅仅”是在预设条件下停止的大量迭代、更新、推演等。党面临的场景越来越多或越来越复杂时，人类的阅历总会存在不确定性、误判性或多变性，这会对计算结果的可信性、准确性和波动性产生影响。如何让计算机在现有基础上，针对现有数据杨的特征，“自我”调整、配置、计算、评价才是数据智能的核心。

纯粹路过，没任何兴趣，仅仅是看在老用户份上回复一下

秀起来~

前排，哇咔咔