大数据的数据应用

大数据的数据应用

数据应用包含了计算框架，算法，数据的可视化以及具体的应用呈现。不论是企业应用还是移动应用以及交互式Web应用，都可以使用数据计算得到的结果。流式应用和搜索应用都是与计算框架紧密相关的，可以通过Storm 和ElasticSearch 实现，也可以通过Spark 框架实现。

报表系统可以认为是可视化的核心之一。面向静态数据形成传统的报表，动态数据与静态数据相结合形成实时报表。

随机分析是一种探索性数据分析，是一种对数据摸索和尝试，可以使用Hive，pig，sparkSQL等工具执行，明确进一步探索的方向。统计分析是更加具体的一种离线分析，基于统计模型的数据分析处理。

机器学习(Machine Learning, ML)是一门多领域交叉学科，模拟或实现人类的学习行为，以获取新的知识或技能，是人工智能的核心，框架有很多，例如Mahout以及SparkML等。

深度学习是机器学习研究中的一个新领域，源于人工神经网络，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。同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同.个人推荐tensorflow。