大數據的核心技術是大數據算法
時間:2017-05-26 13:29:07 來源：
預計在未來很長時間，解讀各自領域的數據是一個基本的科學活動，這是一個必然。但是分析大數據和處理大數據并不簡單。
首先是多學科研究，不要以為大數據就是單純的某一個領域。大體上說，數據獲取、數據管理本身，包括共享、隱私保護等等方面以及共贏設施跟不上都不能解決實際問題；第二是分析，僅僅是計算機的平臺儲存、調用和處理還不夠滿足需求；第三是數據存下來分析很重要；第四是真正大數據產生價值都需要與其他領域結合。ADSS光纜廠家
徐宗本表示，做大數據一定是數據為基礎，平臺起支撐，分析為核心，產生是王道。很多人認為大數據是一個成熟的技術，然而現在處理目標，分析目標和過去不一樣了，人們的要求更多，更多地考慮智能決策。在這個過程當中最根本的挑戰，就是傳統的分析數據的基本方法論不太適用。
其次，我們不得不面對的技術問題，第一個問題是分析基礎；第二個問題是，計算結果要調用存儲，適合與計算密集結合。大數據要反復的用，這個叫數據密集型。數據密集型和計算密集型的共存，這是一個基本的要求，因此我們注意到要有新的架構出現以解決此類問題；第三個問題是，加工變以后，用什么樣的語言、體系、規定、組織他的流程。第四個問題，從宏觀角度來講是原始大數據的突變問題。ADSS光纜廠家
大數據分析技術，到底什么是核心技術呢？一類就是處理技術，一類叫分析技術。分析技術的基礎是以模型為基礎，以反復迭代為特征，處理則以邏輯為基礎。
徐宗本指出，大數據分析核心技術的形勢是大數據算法。算法族知道以后就是深度網絡，通過一層一層展開以后就形成了這么一個網。這個網絡同轉基因神經網絡相比沒有任何的差距。比如，現在有深度學習的文章如果不是最好的就不可能拿出來，這是真正的解決。ADSS光纜廠家
然而如何把一個模糊的東西變得清晰首先需要建立模型族——模糊的圖象是清晰的圖象經過物理破壞產生的。現在根據它可以研究數學，找出一個方法族，再展開研究數量性，這就是一個深度學習的過程。
最后，徐宗本總結到，大數據基本的挑戰，一個是分析基礎，一個是計算技術，一個是計算判定。而這也將帶來研究重心計算算法和核心算法的研究。
