大数据与人工智能 物联网和云计算之间的关系
人工智能
人工智能已经逐步走进我们的生活，并应用于各个领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。下面，我们将分别介绍人工智能的一些主要应用场景
汽车自动驾驶
近年来，伴随着人工智能浪潮的兴起，无人驾驶成为人们热议的话题，国内外许多公司都纷纷投入到自动驾驶和无人驾驶的研究中。例如，Google的Googlex实验室正在积极研发无人驾驶汽车GoogleDriverlessCar，百度也已启动了“百度无人驾驶汽车研发计划，其自主研发的无人驾驶汽车Apollo还曾亮相2018年央视春晚。
人脸识别
人脸识别也称人像识别，面部识别，是基于人的脸部
人脸识别
人脸识别_哔哩哔哩_bilibili
AI生成音乐
https://mobilepics.ws.126.net/HT6fGk4iJ4Kmpr9SH4V8oadSoHDB2IR3==HM2L0L78.mp3
在 “2020 网易未来大会”上，由网易伏羲、网易雷火音频部提供作词、编曲、演唱的全链路 AI 技术支持的歌曲《醒来》正式发布，这也是网易首次完成由人工智能完全生成的歌曲。
个性化推荐
个性化推荐是一种基于聚类与协同过减技术的人工智能应用，它建立在海量数据挖掘的基础上，通过分析用户的历史行为建立推荐横型，主动给用户提供匹配他们的需求与兴趣的信息，如商品推荐、新闻推荐等。个性化推荐既可以为用户快速定位需求产品，弱化用户被动消费意识，提升用户兴致和留存黏性，又可以帮助商家快速引流，找准用户群体与定位，做好产品营销
个性化推荐系统广泛存在于各类网站和App中，本质上，它会根据用户的浏览信息、用户基本信息和对物品或内容的偏好程度等多因素进行考量，依托推荐引擎算法进行指标分类，将与用户目标因素一致的信息内容进行聚类，经过协同过滤算法，实现精确的个性化推荐。
生命科学
DeepMind于12月初宣布了一项重大突破，他们的A系统AphaFold已经解决了“蛋白质折叠问题”，这是生物学中已经困扰了科学家50年的巨大难题。
DeepMind这家公司听起来陌生，但实际上大家对它的产品应该还算熟悉:大名鼎的围棋界超级无敌大黑马阿尔法狗(AlphaGo)就是由他们开发的。仔细看看，就能发现，AlphaFold与AphaGo的命名方式如出一辙
研究出一种蛋白质的形状需要昂贵的设备，而且通常需要数年时间。这是一个有50年历史的难题，很多科学家从来没想过会在有生之年看到通过人工智能解决蛋白质折叠问题。
预测与分类场景
1.信用卡反欺诈识别
2.车牌号码
3.各种销售额度与走势分析
4.决策树解决单身问题
女儿:多大年纪了?
什么是IOT物联网
任何物品与互联网相连接，进行信息交换，以实现智能化识别，定位，跟踪，监控和管理的一种网络概念。它可以看做是在互联网基础上延伸和扩展的网络
IOT发展三阶段
1.单机智能:人机交互
2.互联智能：产品矩阵
3.主动智能：AI+IOT
IOT体系结构
IOT应用场景
智慧能源，智慧电表，智慧路灯
智慧交通：共享单车，车联网
智慧医疗：可穿戴设备 养猪不惊猪
智慧安防（门禁，监控，报警）
AIoT:AI+IoT
1.物联网通过连接万物互联设备，肩负数据收集的使命，并且把新的数据上传到云端
2.数据通过机器学习模型进行分析和处理，以生成所需要的信息并积累知识，从而拥有一定智能去服务人类
云计算概念
云计算时一种按使用量付费的模式，这种模式可以提供可用的、便捷的、按需的网络访问(进入可配置的资源共享池)，资源包括: 网络、服务器、存储、应用软件、服务。这些资源能够快速提供，只需要投入很少的管理工作。
资源整合，弹性按需分配
1.自家挑水
2.集资打井
3.水电厂(抽水、过滤、水管)
前现阶段的云计算已经不单单是一种分布式计算了，包括:计算、存储、负均衡、虚拟化等计算机技术混合演化并跃的一种结果。
云产生背景
- 管理者角度(考虑成本): 服务器数量庞大、重复购买严重，能耗高，利用率低，仅20%解决方案:通过资源利用，减少购买数量，同时资源还可以即用即放，通过虚拟化技术，实现资源复用(CPU/内存/硬盘/网络)，提高资源利用效率(70%-80%)
- 业务人员:硬盘更新淘汰块，业务上线周期长，业务容量和压力大(例如:购票系统)、上线周期慢肯定会影响业务
解决方案:随着业务增加，灵活分配增加云主机资源，避免较长的采购周期，申请立即使用，根据业务容量和压力大，弹性伸缩主机资源 - 运维效率比较低，可可靠性差，信息系统分散，资源缺乏集中管控 解决方案:信息系统集中建设，统一管理主机资源，虚拟资源。
云四种模式
1.私有云:企业利用自有或租用的基础设施资源自建的云
2.社区云:行业云、银行、电商、为特定社区或者行业所构建基础设施的云
3.公有云: 出租给公众的大型基础设施云
4.混合云:由两种或者两种以上部署损式组成的云
云计算关键技术
1.虚拟化技术
- 虚拟化是一种能够更有效地利用物理计算机硬件的过程，是云计算的基础。
虚拟化，将各种IT实体资源抽象，转换成另一种形式的技术都是虚拟化。虚拟化是资源的逻辑表示，其不受物理限制的约束。（一个物理主机只能运行一个操作系统，虚拟化则是可以运行多个操作系统）。
从之前一个硬件设备部署一套操作系统===》一个硬件设备部署多个操作系统
2.分布式数据存储技术
- 将数据存储在不同的物理设备中。这种模式不仅摆脱了硬件设备的限制，同时扩展性更好，能够快速响应用户需求的变化（整合存储资源提供动态可伸缩资源池的分布式存储技术）
将数据分布在不同的服务器上存储设备上，在之前就如图中左边的那个一样集中在一个设备上可能这个设备坏了，里面的数据文件就恢复不出来了，分布式存储是动态可伸缩的分布在不同的设备上，如其中的一个设备坏了我们可以通过其他的办法将数据文件恢复。
正符合云计算快速高效的处理海量数据的优势。在数据爆炸的今天这个技术至关重要，为保证数据资料的高可靠性。云计算常用分布式数据存储的技术，将数据存储于不同物理设备中，不仅摆脱物理设备的限制，扩展性更好，满足快速响应用户需求的变化。
云计算数据中心
云计算数据中心的优势
云计算数据中心相比传统数据中心的优势在于，云计算数据中心更加强调与IT系统协同优化，在满足需求的前提下，实现整个数据中心的最高效率和最低成本。而传统数据中心通常片面强调机房的可靠、安全。
云计算的应用场景
1.云存储:云存储系统可以解决本地存储在管理上的缺失，降低数据的丢失率，整合网络中多种存储设备来对外提供云存储服务，并能管理数据的存储、备份、同步和存档，云存储系统非常适合那些需要管理和存储海量数据的企业
2.云计算:为机器学习模式提供超强的计算服务，例如图形图形、计算机视觉需要大量的算力
3.云测试:虚拟镜像来快速地构建一个个异构的开发测试环境，通过快速备份/恢复等虚拟化技术来重现问题，并利用云的强大的计算能力来对应用进行压力测试
4.云杀毒:云杀毒技术可以在云中安装附带庞大的病毒特征库的杀毒软件，当发现有嫌疑的数据时，杀毒软件可以将有嫌疑的数据上传至云中，并通过云中庞大的特征库和湿大的处理能力来分析这个数据是否含有病毒
大数据与人工智能物联网，云计算的关系
随着大数据概念的提出，云计算中的分布式计算技术开始更多地被列入大数据技术，而人们提到云计算时，更多指的是底层基础IT资源的整合优化以及以服务的方式提供IT资源的商业模式（如IaaS、PaaS、SaaS）。
大数据侧重于对海量数据的存储、处理与分析，从海量数据中发现价值，服务于生产和生活；云计算本质上旨在整合和优化各种IT资源，并通过网络以服务的方式廉价地提供给用户；物联网的发展目标是实现物物相连，应用创新是物联网发展的核心。
从整体上看，大数据、云计算和物联网这三者是相辅相成的。大数据根植于云计算，大数据分析的很多技术都来自于云计算，云计算的分布式数据存储和管理系统提供了海量数据的存储和管理能力，分布式并行处理框架提供了海量数据分析能力，没有这些云计算技术作为支撑，大数据分析就无从谈起。 大数据为云计算提供了“用武之地”，没有大数据这个“练兵场” 。物联网的传感器源源不断产生的大量数据，构成了大数据的重要数据来源，没有物联网的飞速发展，就不会带来数据产生方式的变革，即由人工产生阶段转向自动产生阶段，大数据时代也不会这么快就到来。 物联网需要借助于云计算和大数据技术，实现物联网大数据的存储、分析和处理。
可以说，云计算、大数据和物联网三者已经彼此渗透、相互融合，在很多应用场合都可以同时看到三者的身影。在未来，三者会继续相互促进、相互影响，更好地服务于社会生产和生活的各个领域。