深度学习数据库

『壹』 人工智能，大数据与深度学习之间的关系和差异

说到人工智能(AI)的定义，映入脑海的关键词可能是“未来”，“科幻小说”，虽然这些因素看似离我们很遥远，但它却是我们日常生活的一部分。语音助手的普及、无人驾驶的成功，人工智能、机器学习、深度学习已经深入我们生活的各个场景。例如京东会根据你的浏览行为和用户的相似性，利用算法为你推荐你需要的产品；又比如美颜相机，会基于你面部特征的分析，通过算法精细你的美颜效果。还有众所周知的谷歌DeepMind，当AlphaGo打败了韩国职业围棋高手Lee Se-dol时，媒体描述这场人机对战的时候，提到了人工智能AI、机器学习、深度学习等术语。没错，这三项技术都为AlphaGo的胜利立下了汗马功劳，然而它们并不是一回事。

人工智能和机器学习的同时出现，机器学习和深度学习的交替使用......使大部分读者雾里看花，这些概念究竟有何区别，我们可以通过下面一个关系图来进行区分。

图二：数据挖掘与机器学习的关系

机器学习是数据挖掘的一种重要方法，但机器学习是另一门学科，并不从属于数据挖掘，二者相辅相成。数据挖掘是机器学习和数据库的交叉，主要利用机器学习提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。

不管是人工智能、机器学习、深度学习还是数据挖掘，目前都在解决共同目标时发挥了自己的优势，并为社会生产和人类生活提供便利，帮助我们探索过去、展示现状、预测未来。

『贰』 Python深度学习该怎么学

按照下面的课程安排学习：

阶段一：Python开发基础
Python全栈开发与人工智能之Python开发基础知识学习内容包括：Python基础语法、数据类型、字符编码、文件操作、函数、装饰器、迭代器、内置方法、常用模块等。
阶段二：Python高级编程和数据库开发
Python全栈开发与人工智能之Python高级编程和数据库开发知识学习内容包括：面向对象开发、Socket网络编程、线程、进程、队列、IO多路模型、Mysql数据库开发等。
阶段三：前端开发
Python全栈开发与人工智能之前端开发知识学习内容包括：Html、CSS、JavaScript开发、Jquery&bootstrap开发、前端框架VUE开发等。
阶段四：WEB框架开发
Python全栈开发与人工智能之WEB框架开发学习内容包括：Django框架基础、Django框架进阶、BBS+Blog实战项目开发、缓存和队列中间件、Flask框架学习、Tornado框架学习、Restful API等。
阶段五：爬虫开发
Python全栈开发与人工智能之爬虫开发学习内容包括：爬虫开发实战。
阶段六：全栈项目实战
Python全栈开发与人工智能之全栈项目实战学习内容包括：企业应用工具学习、CRM客户关系管理系统开发、路飞学城在线教育平台开发等。
阶段七：算法&设计模式
阶段八：数据分析
Python全栈开发与人工智能之数据分析学习内容包括：金融量化分析。
阶段九：机器学习、图像识别、NLP自然语言处理
Python全栈开发与人工智能之人工智能学习内容包括：机器学习、图形识别、人工智能玩具开发等。
阶段十：Linux系统&百万级并发架构解决方案
阶段十一：高并发语言GO开发
Python全栈开发与人工智能之高并发语言GO开发学习内容包括：GO语言基础、数据类型与文件IO操作、函数和面向对象、并发编程等。

『叁』 哪些GPU更适合深度学习和数据库

GPU不仅能实现数据库的许多功能，而且其强大的计算能力，能实现实时 分析。MapD和Kinetica是这方面比较有名的两家公司。MapD用NVIDIA Tesla K40/K80实现了基于SQL和列式存储的数据库，无需索引，擅长任意多组合的条件查询(Where)、聚合(Groupby)等，实现传统关系型数据库的BI功能，方便用户自由地进行多条件查询。性能优势也很明显（尤其是响应时间）。
比如，MapD将1987-2008年全美国进出港航班的数据扩大10倍后，执行全表扫描的报表任务，如"SELECT ... GROUP BY ...”。一台带有8张Tesla K40显卡的服务器(8核/384G RAM/SSD)比3台服务器（32核/244G RAM/SSD）组成的内存数据库集群快50-100倍（请参见MapD技术白皮书 MapD Technical Whitepaper Summer 2016）。
GPU数据库的另一大特色是可视化渲染和绘制。将OpenGL等的 缓冲区直接映射成GPU CUDA里的显存空间，原地渲染，无需将结果从内存拷到GPU，可以实现高帧频的动画。也可以原地绘制成PNG或视频stream，再发给客户端，大大减少网络传输的数据量。这些优势吸引了很多开发者。
在实时分析上比较有名的一家公司是Kinetica。他们开始时为美国情报机构实时分析250个数据流。现在能用10个节点，基于20万个传感器，为美国邮政服务（USPS）提供15000个并行的实时分析、物流路由计算和调度等。
我国用GPU进行分析和挖掘的用户也越来越多，想深入学习的朋友也不少。最快速的入门办法是重复前人的实验。弗吉尼亚大学的Accelerating SQL Database Operations on a GPU with CUDA里的开发环境和实验，值得借鉴。他们用一张4G显存的NVIDIA Tesla C1060, 在一台低配的服务器上（Xeon X5550（2.66GHz/4核），5G RAM），用5百万行的表做查询和汇总，响应时间30-60毫秒。

『肆』 数据挖掘，机器学习，深度学习这些概念有区别吗

数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

『伍』 怎样用python实现深度学习

基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。
机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。
早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。
而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。
值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。

『陆』 如何学习数据库。 我以前在学校时学过SQLserver 2005 现在想深度学习数据库。该如何何组建学习体系

先找两本基础实用的教材专研下，然后在专业的数据库论坛（CSDN有数据库专区）上多转转，多学学问。遇到不懂不会的东西多想多请教，也可以发帖请高手支援。

『柒』 哪些GPU更适合深度学习和数据库

图形处理器（英语：Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。
用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。
简单说GPU就是能够从硬件上支持T&L（Transform and Lighting，多边形转换和光源处理）的显示芯片，由于T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置与处理动态光线效果，也能称为“几何处理”。一个好的T&L单元，能提供细致的3D物体和高级的光线特效；只不过大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓软件T&L)，因为CPU的任务繁多，除了T&L之外，还要做内存管理和输入响应等非3D图形处理工作，所以在实际运算的时候性能会大打折扣，一般出现显卡等待CPU数据的情况，CPU运算速度远跟不上时下复杂三维游戏的要求。即使CPU的工作频率超出1GHz或更高，对它的帮助也不大，因为这是PC本身设计造成的问题，与CPU的速度无太大关系。
希望我能帮助你解疑释惑。

『捌』 如何进行深度学习

深度学习是一个心理学概念，也是人工智能的核心目标。
人工智能方面的深度学习是指通过数据库的形式解析事物的内在逻辑，用计算机语言进行识别、读取、操作、反馈、修正等等这个过程。
而我理解的关于人的深度学习是不是跟深度睡眠一样，深度睡眠的人享受睡眠过程，完全沉浸入其中，一时半会儿都唤不醒？
可以分为两个方面探讨：
1、人的深度学习要进行，是不是要对事物的本质，即内在逻辑了解清楚呢？比如说牛顿的万有引力定律的发现，他是从苹果掉地上的启发而来，从而寻根究底，探寻到这个规律。这与兴趣和韧性有关。
2、人的深度学习不要被不断干扰。这与睡眠类似，不断被吵醒的人，睡眠质量肯定不高，所以，要想深度学习，时间、空间都需要安排好来，还有工具、资料等等。

『玖』 有一点java基础，然后怎么深度学习

没有捷径， 只有大量的编码练习才能学好。
只有java的基础找工作比较难， 实际开发中要学的东西太多了。 不只是java书本上的基础语法之类的。 有spring， struts， hibernate 三个框架， jquery， extjs， JavaScript， html， jsp，数据库 等等都是要学的。 你把这些基本都学了出去找开发方面的工作的话还有机会。

入门之后，可以考虑以下学习内容和路径：

1、学习的基本路径

首先建立好开发环境非常重要，工欲善其事，必先利其器。做任何开发，首先就是要把这个环境准备好，之后就可以去做各种尝试，尝试过程中就能逐渐建立信心。初学者往往在环境配置中被各种预想不到的问题弄得很沮丧。

建立起来环境了，改变世界就靠你的代码了。学习一门编程语言没有太多的诀窍，你可能可以去找一本比较好的经典的入门书籍，现在网络上也有非常多的资料，图文或者视频都可以，根据个人喜好选择。最重要的练习，熟能生巧，在不断的练习中去加深自己对程序语言的理解。

接下来你需要了解这三个术语，叫SDK、API跟Lib，分别表示软件开发套件，应用编程接口和库。这三者之间其实有一定的联系，或者是交叉。总体来说，它们都是给我们提供的一些封装了底层功能的基础设施。做Java开发的话，这些东西通常体现为我们所经常说的“框架”。事实上要成为一个资深的Java开发者，对各种API和框架的学习，可能是花时间最多的一个地方。

当然你也不可能把所有API或者SDK种的所有内容完全弄懂。在软件开发中也有二八原则，少数的API能够胜任开发中的大部分场景。所以你只需要掌握这些关键部分，当在新场景下遇到不能解决的新问题时，再去查看帮助文档。所以帮助文档的阅读也是技术学习的一个关键因素。了解了基础原理之后一般就能上手开发了，帮助文档可以帮助你在实践中学习。

2、三个神器

三个神器，对于软件开发者来说非常重要。

第一个Google，虽然因为各种原因的话有时候我们访问不了，但是这基本上是可以去寻找技术资料最好的方式。

第二个是Github，之前提到过库的概念，Github就是一个可以找到大量第三方库的地方，那是别人给我们封装好的可以复用的代码。比方说造一辆汽车的话，我们经常不要自己造轮子，而Github上可以找到很多优质的轮子，这些轮子还是免费(代码都是开源的)，我们应该尽量利用它们来拼装自己的汽车。

第三个是StackOverflow网站，在这个问答网站上你遇到的几乎任何开发问题都能快速找到答案。

3、Java Web全栈开发的推荐学习内容


简单总结一下，大概包括下面这些内容。每一部分都可以细化成很多知识点，这只是一个粗略的罗列。把它当做技术地图就好了。

开发环境的建立与项目管理：Eclipse、Maven和Git

Java编程基础：基本语法、面向对象特性、Java8新特性、更高级库（比如Guava）的使用等

前端开发技术：HTML、CSS、Bootstrap和JavaScript基础

Spring基础：依赖注入IoC、面向切面编程AOP、SpringBoot

MVC框架：Spring MVC、Struts等，包括URL路由、模板、表单、Session、拦截器等知识

数据访问：关系型数据库、JDBC、Spring JDBC、事务、ORM框架（MyBatis，Hibernate、JPA）

成熟应用的关键功能实现：邮件发送、异步任务、缓存、日志等

应用的测试和部署

4、JSP/Servlet的相关内容

最后专门提一下JSP和Servlet，虽然现在各种成熟的MVC框架已经让Java Web开发基本很少使用JSP和Servlet的原生功能了，基本都做了一层封装。但是这部分基础知识建议初学者还是要认真学习。

Web基础，HTTP协议

C/S模型，浏览器访问网站过程

URL基础知识

HTTP消息——请求和响应

处理HTTP请求的应用程序

Servlet/JSP简介

Servlet

Servlet容器，Servlet处理机制，Servlet生命周期

部署Servlet

ServletContext, ServletConfig

Filter, Event Listener

JSP

表达式，scriptlet, declaration

在JSP中访问Java类

JSP内置对象

处理用户输入

HTTP方法——GET v.s. POST

读取表单数据

构建MVC应用

Servlets/JSP存在的问题

MVC设计模式

使用RequestDispatcher

在Servlets和JSP中传递数据，EL表达式

使用JSTL作为模板

JSP Tag Lib

Core Tag（if, loop）

Function Tag(string, fmt, utils)

Session

Session&&Cookie基本概念

通过Cookie记录用户状态

使用Session跟踪用户