当前课程知识点：大数据管理与挖掘 > 第1章 课程概述 > 1.3 大数据应用 > 1.3 大数据应用
欢迎回来
我们继续讲第三节 大数据应用
我们整个人类的数据产生方式
发生了三个阶段
或经历了三个阶段的过程
第一个是运营式系统阶段
数据库的出现使得数据管理方式
复杂度大大降低
实际中数据库大都为运营系统所采用
作为运营系统的数据管理子系统
比如超市的销售记录系统
银行的交易记录系统
医院病人的医疗记录等
人类社会数据量第一次大的飞跃
正是从运营式系统广泛使用到系统的应用开始的
这个阶段最主要的特点是
数据往往伴随着一定的运营活动而产生
并记录在数据库中的一些基本信息
这里面我们举个例子
比如超市每销售一件商品就会
在数据库中产生一条相应的销售记录
这种数据的产生方式是被动的
在这基础上 我们讲第二个阶段
互联网系统阶段 在这里面
互联网的诞生促使人类社会数据量
出现第二次大的飞跃
但真正的数据爆发产生于Web 2.0时代
而Web 2.0时代最主要标志就是用户原创内容
（User Generated Content UGC）
这类数据近几年一直呈现爆炸性增长
主要有两个方面的原因
首先是以博客微博为代表的
新型社交网络的出现和快速发展
使得用户产生数据的意愿更加强烈
第二个就是以智能手机
平板电脑为代表的新型移动设备的出现
这些易携带全天候接入网络的移动设备
使得人们在网上
发表自己意见的途径更为便捷
这种数据的产生方式是主动的
第三个阶段叫做感知式系统阶段
人类社会数据量第三次大的飞跃
最终导致了大数据的产生
今天我们正处于这个阶段
这次飞跃的根本原因在于
感知式系统的广泛使用
随着信息技术的发展
人们已经有能力制造极其微小的
带有处理功能的各种传感器
并开始将这些设备广泛地
布置于社会的各个角落
通过这些设备来对
整个社会的运营进行监控
这些设备会源源不断地产生新数据
这种数据的产生方式都是自动的
我们具体的大数据应用特征可以
从以下几个方面可以看出来
在这里面无论是我们计算
还是金融数据还是社交网络
还是我们移动数据
所有数据的产生量多以TB PB方式出现
具体过程还可以从下面这个图看出
无论是我们互联网
还是web数据 还是多媒体数据
它们发生的规模都是巨大的
而且要求用户的响应时间也是最快速的
这是我们第三节内容
我讲到这里
-第1章 教学目标
--第1章 教学目标
-1.1 大数据的基本概念
-1.2 大数据的演变过程
-1.3 大数据应用
-1.4 大数据的处理模式
-1.5 大数据管理的关键技术
-第1章 作业
--第1章 作业
-第1章 讨论
--第1章 讨论
-第2章 教学目标
--第2章 教学目标
-2.1 大数据融合的概念
-2.2 大数据融合的方法论
-2.3 数据融合技术
-2.4 知识融合技术
-2.5 大数据融合的驱动枢纽
-2.6 小结
--2.6 小结
-第2章 作业
--第2章 作业
-第2章 讨论
--第2章 讨论
-第3章 教学目标
--第3章 教学目标
-3.1 大数据存储与管理方法
-3.2 基于新型存储的大数据管理
-3.3 大数据处理与存储一体化技术
-3.4 小结
--3.4 小结
-第3章 作业
--第3章 作业
-第3章 讨论
--第3章 讨论
-第4章 教学目标
--第4章 教学目标
-4.1 大数据的实时分析
-4.2 大数据的交互式分析
-4.3 云在线聚集
-4.4 大数据的智能分析
-4.5 小结
--4.5 小结
-第4章 作业
--第4章 作业
-第4章 讨论
--第4章 讨论
-第5章 教学目标
--第5章 教学目标
-5.1 隐私保护技术
-5.2 隐私保护技术的应用
-5.3 大数据隐私管理
-5.4 小结
--5.4 小结
-第5章 作业
--第5章 作业
-第5章 讨论
--第5章 讨论
-第6章 教学目标
--第6章 教学目标
-6.1 云计算 大数据基础平台与支撑技术
-6.2 批数据与流数据管理系统
-6.3 SQL NOSQL与NEWSQL系统
-6.4 小结
--6.4 小结
-第6章 作业
--第6章 作业
-第6章 讨论
--第6章 讨论
-第7章 教学目标
--第7章 教学目标
-7.1 一元回归
--7.1 一元回归
-7.2 多元回归
--7.2 多元回归
-7.3 逐步回归
--7.3 逐步回归
-7.4 Logistic回归
-7.5 应用实例-多因子选股模型的实现
-7.6 小结
--7.6 小结
-第7章 作业
--第7章 作业
-第7章 讨论
--第7章 讨论
-第8章 教学目标
--第8章 教学目标
-8.1 分类方法概要
-8.2 K-近邻（KNN）
-8.3 贝叶斯分类
-8.4 神经网络
--8.4 神经网络
-8.5 LOGISTIC分类
-8.6 判别分析
--8.6 判别分析
-8.7 支持向量机（SVM）
-8.8 决策树
--8.8 决策树
-8.9 分类的评判
-8.10 小结
--8.10 小结
-第8章 作业
--第8章 作业
-第8章 讨论
--第8章 讨论
-第9章 教学目标
--第9章 教学目标
-9.1 聚类方法概要
-9.2 K-means方法
-9.3 层次聚类
--9.3 层次聚类
-9.4 神经网络聚类
-9.5 模糊C-均值（FCM）方法
-9.6 高斯混合聚类方法
-9.7 类别数的确定方法
-9.8 应用实例-股票聚类分池
-9.9 小结
--9.9 小结
-第9章 作业
--第9章 作业
-第9章 讨论
--第9章 讨论
-第10章 教学目标
-10.1 预测方法概要
-10.2 灰色预测
-10.3 马尔科夫预测
-10.4 实用实例-纺纱质量预测
-10.5 小结
--10.5 小结
-第10章 作业
--第10章 作业
-第10章 讨论
--第10章 讨论
-第11章 教学目标
-11.1 离群点诊断概要
-11.2 基于统计的离群点诊断
-11.3 基于距离的离群点诊断
-11.4 基于密度的离群点挖掘
-11.5 基于聚类的离群点挖掘
-11.6 应用实例-纱线断点诊断
-11.7 小结
--11.7 小结
-第11章 作业
--第11章 作业
-第12章 教学目标
-12.1 数字挖掘技术的应用
-12.2 纺纱质量控制
-第12章 作业
--第12章 作业
-第12章 讨论
--第12章 讨论
