深度學習資料庫

『壹』 人工智慧，大數據與深度學習之間的關系和差異

說到人工智慧(AI)的定義，映入腦海的關鍵詞可能是「未來」，「科幻小說」，雖然這些因素看似離我們很遙遠，但它卻是我們日常生活的一部分。語音助手的普及、無人駕駛的成功，人工智慧、機器學習、深度學習已經深入我們生活的各個場景。例如京東會根據你的瀏覽行為和用戶的相似性，利用演算法為你推薦你需要的產品；又比如美顏相機，會基於你面部特徵的分析，通過演算法精細你的美顏效果。還有眾所周知的谷歌DeepMind，當AlphaGo打敗了韓國職業圍棋高手Lee Se-dol時，媒體描述這場人機對戰的時候，提到了人工智慧AI、機器學習、深度學習等術語。沒錯，這三項技術都為AlphaGo的勝利立下了汗馬功勞，然而它們並不是一回事。

人工智慧和機器學習的同時出現，機器學習和深度學習的交替使用......使大部分讀者霧里看花，這些概念究竟有何區別，我們可以通過下面一個關系圖來進行區分。

圖二：數據挖掘與機器學習的關系

機器學習是數據挖掘的一種重要方法，但機器學習是另一門學科，並不從屬於數據挖掘，二者相輔相成。數據挖掘是機器學習和資料庫的交叉，主要利用機器學習提供的技術來分析海量數據，利用資料庫界提供的技術來管理海量數據。

不管是人工智慧、機器學習、深度學習還是數據挖掘，目前都在解決共同目標時發揮了自己的優勢，並為社會生產和人類生活提供便利，幫助我們探索過去、展示現狀、預測未來。

『貳』 Python深度學習該怎麼學

按照下面的課程安排學習：

階段一：Python開發基礎
Python全棧開發與人工智慧之Python開發基礎知識學習內容包括：Python基礎語法、數據類型、字元編碼、文件操作、函數、裝飾器、迭代器、內置方法、常用模塊等。
階段二：Python高級編程和資料庫開發
Python全棧開發與人工智慧之Python高級編程和資料庫開發知識學習內容包括：面向對象開發、Socket網路編程、線程、進程、隊列、IO多路模型、Mysql資料庫開發等。
階段三：前端開發
Python全棧開發與人工智慧之前端開發知識學習內容包括：Html、CSS、JavaScript開發、Jquery&bootstrap開發、前端框架VUE開發等。
階段四：WEB框架開發
Python全棧開發與人工智慧之WEB框架開發學習內容包括：Django框架基礎、Django框架進階、BBS+Blog實戰項目開發、緩存和隊列中間件、Flask框架學習、Tornado框架學習、Restful API等。
階段五：爬蟲開發
Python全棧開發與人工智慧之爬蟲開發學習內容包括：爬蟲開發實戰。
階段六：全棧項目實戰
Python全棧開發與人工智慧之全棧項目實戰學習內容包括：企業應用工具學習、CRM客戶關系管理系統開發、路飛學城在線教育平台開發等。
階段七：演算法&設計模式
階段八：數據分析
Python全棧開發與人工智慧之數據分析學習內容包括：金融量化分析。
階段九：機器學習、圖像識別、NLP自然語言處理
Python全棧開發與人工智慧之人工智慧學習內容包括：機器學習、圖形識別、人工智慧玩具開發等。
階段十：Linux系統&百萬級並發架構解決方案
階段十一：高並發語言GO開發
Python全棧開發與人工智慧之高並發語言GO開發學習內容包括：GO語言基礎、數據類型與文件IO操作、函數和面向對象、並發編程等。

『叄』 哪些GPU更適合深度學習和資料庫

GPU不僅能實現資料庫的許多功能，而且其強大的計算能力，能實現實時 分析。MapD和Kinetica是這方面比較有名的兩家公司。MapD用NVIDIA Tesla K40/K80實現了基於SQL和列式存儲的資料庫，無需索引，擅長任意多組合的條件查詢(Where)、聚合(Groupby)等，實現傳統關系型資料庫的BI功能，方便用戶自由地進行多條件查詢。性能優勢也很明顯（尤其是響應時間）。
比如，MapD將1987-2008年全美國進出港航班的數據擴大10倍後，執行全表掃描的報表任務，如"SELECT ... GROUP BY ...」。一台帶有8張Tesla K40顯卡的伺服器(8核/384G RAM/SSD)比3台伺服器（32核/244G RAM/SSD）組成的內存資料庫集群快50-100倍（請參見MapD技術白皮書 MapD Technical Whitepaper Summer 2016）。
GPU資料庫的另一大特色是可視化渲染和繪制。將OpenGL等的 緩沖區直接映射成GPU CUDA里的顯存空間，原地渲染，無需將結果從內存拷到GPU，可以實現高幀頻的動畫。也可以原地繪製成PNG或視頻stream，再發給客戶端，大大減少網路傳輸的數據量。這些優勢吸引了很多開發者。
在實時分析上比較有名的一家公司是Kinetica。他們開始時為美國情報機構實時分析250個數據流。現在能用10個節點，基於20萬個感測器，為美國郵政服務（USPS）提供15000個並行的實時分析、物流路由計算和調度等。
我國用GPU進行分析和挖掘的用戶也越來越多，想深入學習的朋友也不少。最快速的入門辦法是重復前人的實驗。弗吉尼亞大學的Accelerating SQL Database Operations on a GPU with CUDA里的開發環境和實驗，值得借鑒。他們用一張4G顯存的NVIDIA Tesla C1060, 在一台低配的伺服器上（Xeon X5550（2.66GHz/4核），5G RAM），用5百萬行的表做查詢和匯總，響應時間30-60毫秒。

『肆』 數據挖掘，機器學習，深度學習這些概念有區別嗎

數據挖掘（英語：Data mining），又譯為資料探勘、數據采礦。它是資料庫知識發現（英語：Knowledge-Discovery in Databases，簡稱：KDD)中的一個步驟。數據挖掘一般是指從大量的數據中通過演算法搜索隱藏於其中信息的過程。數據挖掘通常與計算機科學有關，並通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。
機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
它是使計算機具有智能的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分布式特徵表示。
深度學習的概念由Hinton等人於2006年提出。基於深度置信網路(DBN)提出非監督貪心逐層訓練演算法，為解決深層結構相關的優化難題帶來希望，隨後提出多層自動編碼器深層結構。此外Lecun等人提出的卷積神經網路是第一個真正多層結構學習演算法，它利用空間相對關系減少參數數目以提高訓練性能。
深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。

『伍』 怎樣用python實現深度學習

基於Python的深度學習庫、深度學習方向、機器學習方向、自然語言處理方向的一些網站基本都是通過Python來實現的。
機器學習，尤其是現在火爆的深度學習，其工具框架大都提供了Python介面。Python在科學計算領域一直有著較好的聲譽，其簡潔清晰的語法以及豐富的計算工具，深受此領域開發者喜愛。
早在深度學習以及Tensorflow等框架流行之前，Python中即有scikit-learn，能夠很方便地完成幾乎所有機器學習模型，從經典數據集下載到構建模型只需要簡單的幾行代碼。配合Pandas、matplotlib等工具，能很簡單地進行調整。
而Tensorflow、PyTorch、MXNet、Keras等深度學習框架更是極大地拓展了機器學習的可能。使用Keras編寫一個手寫數字識別的深度學習網路僅僅需要寥寥數十行代碼，即可藉助底層實現，方便地調用包括GPU在內的大量資源完成工作。
值得一提的是，無論什麼框架，Python只是作為前端描述用的語言，實際計算則是通過底層的C/C++實現。由於Python能很方便地引入和使用C/C++項目和庫，從而實現功能和性能上的擴展，這樣的大規模計算中，讓開發者更關注邏輯於數據本身，而從內存分配等繁雜工作中解放出來，是Python被廣泛應用到機器學習領域的重要原因。

『陸』 如何學習資料庫。 我以前在學校時學過SQLserver 2005 現在想深度學習資料庫。該如何何組建學習體系

先找兩本基礎實用的教材專研下，然後在專業的資料庫論壇（CSDN有資料庫專區）上多轉轉，多學學問。遇到不懂不會的東西多想多請教，也可以發帖請高手支援。

『柒』 哪些GPU更適合深度學習和資料庫

圖形處理器（英語：Graphics Processing Unit，縮寫：GPU），又稱顯示核心、視覺處理器、顯示晶元，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器。
用途是將計算機系統所需要的顯示信息進行轉換驅動，並向顯示器提供行掃描信號，控制顯示器的正確顯示，是連接顯示器和個人電腦主板的重要元件，也是「人機對話」的重要設備之一。顯卡作為電腦主機里的一個重要組成部分，承擔輸出顯示圖形的任務，對於從事專業圖形設計的人來說顯卡非常重要。
簡單說GPU就是能夠從硬體上支持T&L（Transform and Lighting，多邊形轉換和光源處理）的顯示晶元，由於T&L是3D渲染中的一個重要部分，其作用是計算多邊形的3D位置與處理動態光線效果，也能稱為「幾何處理」。一個好的T&L單元，能提供細致的3D物體和高級的光線特效；只不過大多數PC中，T&L的大部分運算是交由CPU處理的(這就也就是所謂軟體T&L)，因為CPU的任務繁多，除了T&L之外，還要做內存管理和輸入響應等非3D圖形處理工作，所以在實際運算的時候性能會大打折扣，一般出現顯卡等待CPU數據的情況，CPU運算速度遠跟不上時下復雜三維游戲的要求。即使CPU的工作頻率超出1GHz或更高，對它的幫助也不大，因為這是PC本身設計造成的問題，與CPU的速度無太大關系。
希望我能幫助你解疑釋惑。

『捌』 如何進行深度學習

深度學習是一個心理學概念，也是人工智慧的核心目標。
人工智慧方面的深度學習是指通過資料庫的形式解析事物的內在邏輯，用計算機語言進行識別、讀取、操作、反饋、修正等等這個過程。
而我理解的關於人的深度學習是不是跟深度睡眠一樣，深度睡眠的人享受睡眠過程，完全沉浸入其中，一時半會兒都喚不醒？
可以分為兩個方面探討：
1、人的深度學習要進行，是不是要對事物的本質，即內在邏輯了解清楚呢？比如說牛頓的萬有引力定律的發現，他是從蘋果掉地上的啟發而來，從而尋根究底，探尋到這個規律。這與興趣和韌性有關。
2、人的深度學習不要被不斷干擾。這與睡眠類似，不斷被吵醒的人，睡眠質量肯定不高，所以，要想深度學習，時間、空間都需要安排好來，還有工具、資料等等。

『玖』 有一點java基礎，然後怎麼深度學習

沒有捷徑， 只有大量的編碼練習才能學好。
只有java的基礎找工作比較難， 實際開發中要學的東西太多了。 不只是java書本上的基礎語法之類的。 有spring， struts， hibernate 三個框架， jquery， extjs， JavaScript， html， jsp，資料庫 等等都是要學的。 你把這些基本都學了出去找開發方面的工作的話還有機會。

入門之後，可以考慮以下學習內容和路徑：

1、學習的基本路徑

首先建立好開發環境非常重要，工欲善其事，必先利其器。做任何開發，首先就是要把這個環境准備好，之後就可以去做各種嘗試，嘗試過程中就能逐漸建立信心。初學者往往在環境配置中被各種預想不到的問題弄得很沮喪。

建立起來環境了，改變世界就靠你的代碼了。學習一門編程語言沒有太多的訣竅，你可能可以去找一本比較好的經典的入門書籍，現在網路上也有非常多的資料，圖文或者視頻都可以，根據個人喜好選擇。最重要的練習，熟能生巧，在不斷的練習中去加深自己對程序語言的理解。

接下來你需要了解這三個術語，叫SDK、API跟Lib，分別表示軟體開發套件，應用編程介面和庫。這三者之間其實有一定的聯系，或者是交叉。總體來說，它們都是給我們提供的一些封裝了底層功能的基礎設施。做Java開發的話，這些東西通常體現為我們所經常說的「框架」。事實上要成為一個資深的Java開發者，對各種API和框架的學習，可能是花時間最多的一個地方。

當然你也不可能把所有API或者SDK種的所有內容完全弄懂。在軟體開發中也有二八原則，少數的API能夠勝任開發中的大部分場景。所以你只需要掌握這些關鍵部分，當在新場景下遇到不能解決的新問題時，再去查看幫助文檔。所以幫助文檔的閱讀也是技術學習的一個關鍵因素。了解了基礎原理之後一般就能上手開發了，幫助文檔可以幫助你在實踐中學習。

2、三個神器

三個神器，對於軟體開發者來說非常重要。

第一個Google，雖然因為各種原因的話有時候我們訪問不了，但是這基本上是可以去尋找技術資料最好的方式。

第二個是Github，之前提到過庫的概念，Github就是一個可以找到大量第三方庫的地方，那是別人給我們封裝好的可以復用的代碼。比方說造一輛汽車的話，我們經常不要自己造輪子，而Github上可以找到很多優質的輪子，這些輪子還是免費(代碼都是開源的)，我們應該盡量利用它們來拼裝自己的汽車。

第三個是StackOverflow網站，在這個問答網站上你遇到的幾乎任何開發問題都能快速找到答案。

3、Java Web全棧開發的推薦學習內容


簡單總結一下，大概包括下面這些內容。每一部分都可以細化成很多知識點，這只是一個粗略的羅列。把它當做技術地圖就好了。

開發環境的建立與項目管理：Eclipse、Maven和Git

Java編程基礎：基本語法、面向對象特性、Java8新特性、更高級庫（比如Guava）的使用等

前端開發技術：HTML、CSS、Bootstrap和JavaScript基礎

Spring基礎：依賴注入IoC、面向切面編程AOP、SpringBoot

MVC框架：Spring MVC、Struts等，包括URL路由、模板、表單、Session、攔截器等知識

數據訪問：關系型資料庫、JDBC、Spring JDBC、事務、ORM框架（MyBatis，Hibernate、JPA）

成熟應用的關鍵功能實現：郵件發送、非同步任務、緩存、日誌等

應用的測試和部署

4、JSP/Servlet的相關內容

最後專門提一下JSP和Servlet，雖然現在各種成熟的MVC框架已經讓Java Web開發基本很少使用JSP和Servlet的原生功能了，基本都做了一層封裝。但是這部分基礎知識建議初學者還是要認真學習。

Web基礎，HTTP協議

C/S模型，瀏覽器訪問網站過程

URL基礎知識

HTTP消息——請求和響應

處理HTTP請求的應用程序

Servlet/JSP簡介

Servlet

Servlet容器，Servlet處理機制，Servlet生命周期

部署Servlet

ServletContext, ServletConfig

Filter, Event Listener

JSP

表達式，scriptlet, declaration

在JSP中訪問Java類

JSP內置對象

處理用戶輸入

HTTP方法——GET v.s. POST

讀取表單數據

構建MVC應用

Servlets/JSP存在的問題

MVC設計模式

使用RequestDispatcher

在Servlets和JSP中傳遞數據，EL表達式

使用JSTL作為模板

JSP Tag Lib

Core Tag（if, loop）

Function Tag(string, fmt, utils)

Session

Session&&Cookie基本概念

通過Cookie記錄用戶狀態

使用Session跟蹤用戶