人工智能、大数据、云计算,分别需要的什么样的数学水平?需要学过哪些数学?

说到AI,总是不可避免的联想到大数据与云计算,这三者可谓相辅相成,唯有全部结合起来,才有可能成为真正的人工智能。

简单来说,AI是基于计算机软硬件,通过模拟人类思考和智能行为的一种理论方法和技术。而云计算则是将服务器、存储器、存储设备以及网络等资源打包成云端,为客户提供相关的按使用量付费的模式。大数据则是将结构化数据和非结构化数据形成的所有数据整合起来,用以分析发现数据背后相关关系的信息资产。

人工智能

首先来说说,人工智能需要什么数学知识。

人工智能跟 IT 技术的主要差别是什么?简单的说,就是 AI 对数学要求较高,对编程要求较低,而 IT 开发对于编程要求高,特别是对编程经验要求高,但对数学要求不高。

AI是个大工程,对数学要求很关键。

入门级的 AI 玩家需要至少拥有:

        包括高等数学、线性代数、概率论与数理统计在内的大学数学知识;

        使用一种到多种编程语言的能力,如 Python、C++、Java;

        比较熟练的英语阅读能力,用于阅读论文;

        相当的人工神经网络知识;

若想在这个领域有点建树,可能还需要在随机过程、泛函分析、微分流形、数值分析和优化理论等领域进一步深造。

若还未能满足你的志向,想要搞机器人学或自动驾驶?那还得研究微分方程、运动学、动力学。

大数据

而如果你想在大数据领域有所成就,做个数据分析师应具备的5项基本技能:

1、编程

学习如何编码是大数据分析师的基本技能。你需要编写代码以使用海量数据集进行数值和统计分析。你应该花时间和金钱学习的一些语言包括Python,R,Java和C ++等。

2、定量技能

首先,你需要了解多变量微积分以及线性和矩阵代数。你还需要了解概率和统计数据

通过学习这些技能,你将在数值分析方面拥有坚实的基础。

3、多种技术

技术并不仅限于编程。一个优秀的大数据分析师必须熟悉的技术范围是巨大的。它涵盖了无数的工具,平台,硬件和软件。例如,Microsoft Excel,SQL和R是基本工具。在企业级,SPSS,Cognos,SAS,MATLAB与Python,Scala,Linux,Hadoop和HIVE一样重要。

学习大数据必须学习大数据核心知识,比如:Hadoop生态系统;HDFS技术;HBASE技术;Sqoop使用流程;数据仓库工具HIVE;大数据离线分析Spark、Python语言;数据实时分析Storm;消息订阅分发系统Kafka等。

你使用的实际技术取决于你所处的环境。它还会根据你公司和项目的要求而有所不同。

4、对业务和成果的理解

如果无法将数据和见解应用于业务设置,则无法对其进行分析。所有大数据分析师都需要对其运营的业务和域有深刻的理解。

5、数据解释

在我们概述的所有技能中,数据解释是例外。这是一种艺术与科学相结合的技能。它需要科学和数学知识,但也需要创造力、独创性和好奇心。

云计算

云计算是网格计算(Grid Computing)、分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Com puting)、网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机技术和网络技术发展融合的产物。

下面是云计算所需要学习的技术点以及详细内容:

一、网络基础、Linux系统管理、Linux网络服务

网络基础、Linux系统管理、Linux网络服务;

服务器与操作系统、网站与域名知识、病毒与木马揭秘、构建LAMP网站平台;

计算机网络参考模型、交换路由原理与基本配置、网络层协议与应用;

Linux目录和文件管理、安装程序、账号与权限管理、磁盘管理与服务器RAID;

进程和计划任务管理、深入理解Linux文件系统;

Linux基础网络设置、DHCP、Samba、FTP、DNS、Postfix、CA认证、NFS、YUM、PXE。

二、Linux企业级应用、群集、虚拟化

Linux企业级应用、群集、虚拟化;

Shell编程的条件与case语句、sed与awk、iptables防火墙;

HTTP协议分析、Apache配置与优化、LNMP应用部署;

Nginx+Apache动静分离项目、Nginx优化与防盗链、部署tomcat;

LVS+Keepalived群集、Haproxy、Nginx+tomcat负载均衡与动静分离;

VMware、KVM、Docker、虚拟化;

MySQL管理、备份与恢复、主从复制与读写分离;

MySQL-MMM高可用、heartbeat、DRBD、故障排查;

Squid、Vainish、Nginx、Memcache、CDN缓存加速;

Cacti、Nagios、Zabbix监控;

企业远程备份同步rsync、MFS分布式文件系统。

三、云计算、大数据、Oracle、运维自动化

Oracle安装部署、体系结构、事务和常用数据库对象、备份与恢复、OEM监控与管理;

Oracle常见故障处理、Oracle.RAC群集项目、Oracle.Data.Guard;

社交网站架构项目、百万PV网站架构项目、千万PV网站架构项目;

云计算openstack项目、大数据hadoop项目;

Puppet、Ansible自动化运维项目、运维经验、流程规范。

四、Python基础、Django、Web开发、Python运维开发

Python基础、元组与字典、程序逻辑、函数与模块、类和对象、面向对象编程、游戏项目;

HTML、CSS、JavaScript、jQuery、Bootstrap框架;

MVC设计模式、Django框架综合应用、Django、Web开发项目;

Python运维开发基础、系统批量运维管理器Fabric应用、集中化管理平台Saltstack应用;

使用Mrjob框架编写Hadoop、MapReduce、运维开发项目。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容