1樓：成都加公尺谷大資料
大資料並不存在過時一說，相反，目前正是大資料發展風頭最旺的時候，十四五規劃已經明確說明了大資料的發展，當已經上公升到國家戰略也就意味著未來會朝著這個方向不斷發展，儘管大資料已經很早幾年就開始被頻頻提起，但是專業人才卻還是極少的，人才缺口也是極大。最近幾年，高校也已經開始不斷的建設大資料相關專業，為了培養更多的大資料人才，所以大資料正處在風口上。
在十四五規劃中，「大資料」一詞在規劃的徵求意見稿中出現了14次，而「資料」一詞則出現了六十餘次。可以看出，作為國民經濟和社會發展的重要風向標，「十四五」規劃對於大資料的發展仍然作出了重要部署。相對於五年前的「十三五」規劃中專門用一章「實施國家大資料戰略」集中描述大資料發展，「十四五」規劃中對於大資料發展的著墨已經融入到了各篇章之中。
這在一定程度上表明，大資料已經不再是乙個新興的技術產業，而是正在成為融入經濟社會發展各領域的要素、資源、動力、觀念。並且，大資料帶動的新一代資訊科技總體從「前沿技術」正在變為「重要應用」，發揮的價值愈益明顯。
2樓：沉澱
大資料是人工智慧的「養料」
目前大資料市場並不成熟，未來是大資料的廣泛應用階段，與各個行業的融合，為產業賦能。
未來主要是大資料應用場景的落地，商業化。
3樓：FlyAI
「大資料」與其說是過時了，倒不如說還沒有真正開始。只要摩爾定律還在生效，每過18個月電子技術就要翻一番的話，那麼大資料時代就只能在路上。這是因為，隨著計算技術的不斷進步，儲存成本的不斷降低，人們有越來越多的資本去收集更多的資料，進行更顆粒化的分析。
然而，在傳統的資料分析中，當資料量大到一定的程度時，分析結果就不會進一步優化了。
舉乙個最簡單的線形分類的例子，對於平面上一堆被零散放置的兩種球（紅球和藍球），通過畫一條直線盡可能好的將兩類球分開，然後對於新的放進來的球（可能被包起來），單憑直線的劃分去判斷新球的顏色。很容易就可以看出，由於我們分類的模型相當簡單（只有一條直線），那麼海量的資料可能對於提公升模型精度的意義不是太大，這也是傳統資料科學遇到的問題。機器學習（資料科學主要的分析手段）方法遇到的主要瓶頸也在這裡，在這種情況下，更多的資料是沒有更大意義的。
深度學習使得這一瓶頸得到突破，這一學習方法簡單來說就是通過多層、多個計算運算元進行分析，從而可以建立足夠複雜的模型，以提高資料分析能力。這種方法也被稱為神經網路，因為每個運算元就像神經一樣微小而彼此相連，當然這一科學本身並沒有仿生學的意義，只是僅僅看上去與神經相類似而已。在這種學習方法下，更大的資料量通常可以帶來更高的精度，而且還存在精度從量變到質變提公升的可能，因此資料科學家們對資料的需求也突然增大，大資料科學也因此應運而生。
對深度學習的詬病之一，是由於模型開始複雜起來，人們沒有辦法再像一條直線那樣容易理解機器分類的標準規範。當存在理解的黑洞時，機器學習在一部分人眼中也就成了巫術。比如，給模型提供一批好的作文和不那麼好的作文，經過學習，機器可以對新的作文進行評分，這些評分僅僅是根據前面提供的素材學習而來的,但是機器無法給出詳細的評分理由，這就讓結果的信任度大打折扣。
不過，近來有關於深度學習演算法原理的解釋，這可能是把深度學習從「巫術」變成有理論支撐的科學的第一步。
無論怎麼說，隨著深度學習的快速發展，大資料應該只是僅僅拉開了幕布一角，遠沒有到全面降臨的時刻。而隨著深度學習、人工智慧（後者往往是以前者為基礎的）的快速發展，對資料需求的量級也會越來越多，到那時，可能才是真正的「大資料時代」。
4樓：數睿資料
大資料怎麼會過時呢？我覺得是正當時！
這些都是大資料所帶來的影響，但它仍需提公升，之前寫過數睿資料：疫情大資料回顧系列一：為什麼早期大資料沒有能發揮期待的作用？
有對大資料在疫情中的應用進行詳細分析。
5樓：網易智慧型
從目前的技術發展上來說，大資料是不存在「過時」這一說法的。未來的科技社會發展無論是萬物互聯，還是人工智慧，都需要依賴大資料提供支援。而目前5G的發展，同樣也是為數位化的轉型、提高蒐集資料的能力打下基石。
而網路通訊技術的最終結果是產生資料。如何利用這些海量資料，篩選有效資料，讓這些資料轉化成為生產力是網際網路時代不可逃避的問題。萬物互聯就是借助資料。
資料中最有價值的部分是關係資料，網路可以輕而易舉地獲取乙個人的資料，通過資料的蒐集不僅僅可以給人畫像，還可以給物進行畫像。
人工智慧則更多的是凸顯資料的價值。從演算法時代到深度學習，資料可以幫助訓練計算機進而推演出執行規律。最終，經過深度學習的人工智慧將被用於未來製造上。
因此並不是進入人工智慧時代大資料就不重要了。
6樓：極視角科技
因為「進入了人工智慧時代」，所以「大資料過時了」？
當然不！
恰恰相反，正是因為人工智慧時代的到來，所以大資料會有更多更強的發展。大資料和人工智慧（Artificial Intelligence，簡稱AI）的關係，是相互促進，密不可分的。
一方面，目前人工智慧還處於弱人工智慧的時代，本質上是通過大量資料積累起來的演算法模型，而乙個好的演算法模型往往都需要通過大量資料訓練才能獲得，模型完成後的效果驗證也需要很多的資料。另一方面，隨著人工智慧技術的推廣，社會生活中出現越來越多的落地應用案例，也能反過來推動不同情景的資料積累，擴充大資料的廣度和深度。
可以說，沒有大資料就沒有人工智慧今天的發展，而人工智慧普及後只會讓大資料的價值得到更多的體現，而不會讓它「過時「。
7樓：阿拉斯加的金魚
同時，伴隨著國家對暴力催收、現金貸業務的監管力度加大，一批曾經風光的資料風控公司密集被調查，爬蟲業務暫停，「灰產」行業人人自危。
2023年，大資料不再萬能，資訊濫用、行業野蠻生長納入規範，行業開始進入迎接監管的正規化時代。以上觀點來自頭牌觀點。
8樓：魏智勇
「大資料」與其說是過時了，倒不如說還沒有真正開始。只要摩爾定律還在生效，每過18個月電子技術就要翻一番的話，那麼大資料時代就只能在路上。這是因為，隨著計算技術的不斷進步，儲存成本的不斷降低，人們有越來越多的資本去收集更多的資料，進行更顆粒化的分析。
然而，在傳統的資料分析中，當資料量大到一定的程度時，分析結果就不會進一步優化了。
舉乙個最簡單的線形分類的例子，對於平面上一堆被零散放置的兩種球（紅球和藍球），通過畫一條直線盡可能好的將兩類球分開，然後對於新的放進來的球（可能被包起來），單憑直線的劃分去判斷新球的顏色。很容易就可以看出，由於我們分類的模型相當簡單（只有一條直線），那麼海量的資料可能對於提公升模型精度的意義不是太大，這也是傳統資料科學遇到的問題。機器學習（資料科學主要的分析手段）方法遇到的主要瓶頸也在這裡，在這種情況下，更多的資料是沒有更大意義的。
深度學習使得這一瓶頸得到突破，這一學習方法簡單來說就是通過多層、多個計算運算元進行分析，從而可以建立足夠複雜的模型，以提高資料分析能力。這種方法也被稱為神經網路，因為每個運算元就像神經一樣微小而彼此相連，當然這一科學本身並沒有仿生學的意義，只是僅僅看上去與神經相類似而已。在這種學習方法下，更大的資料量通常可以帶來更高的精度，而且還存在精度從量變到質變提公升的可能，因此資料科學家們對資料的需求也突然增大，大資料科學也因此應運而生。
對深度學習的詬病之一，是由於模型開始複雜起來，人們沒有辦法再像一條直線那樣容易理解機器分類的標準規範。當存在理解的黑洞時，機器學習在一部分人眼中也就成了巫術。比如，給模型提供一批好的作文和不那麼好的作文，經過學習，機器可以對新的作文進行評分，這些評分僅僅是根據前面提供的素材學習而來的,但是機器無法給出詳細的評分理由，這就讓結果的信任度大打折扣。
不過，近來有關於深度學習演算法原理的解釋，這可能是把深度學習從「巫術」變成有理論支撐的科學的第一步。
無論怎麼說，隨著深度學習的快速發展，大資料應該只是僅僅拉開了幕布一角，遠沒有到全面降臨的時刻。而隨著深度學習、人工智慧（後者往往是以前者為基礎的）的快速發展，對資料需求的量級也會越來越多，到那時，可能才是真正的「大資料時代」
9樓：
大資料是個很寬泛的概念，涉及大資料採集和儲存，大資料體系結構（包括資源管理排程，分布式通訊等等），大資料處理（包括各種查詢，以及分布式機器學習等等）。AI演算法，需要大資料框架來加快計算。
估計你朋友是把大資料等同於Hadoop和Spark那一套了吧，那樣太狹窄了，外行。
10樓：
沒有過時，但已經不是"風口"了。
人工智慧與大資料並不衝突，很多人工智慧依賴大資料技術提供的資料；很多大資料技術也需要人工智慧技術作為支撐，兩者是相輔相成的關係。
最後說一句，大資料技術的存在與發展，對人類個體是一種威脅，但誰也沒有能力去阻止這種威脅，這是很無奈的事情。
11樓：死亦何苦
大資料穩定發展才剛剛開始
很多領域剛接觸到大資料怎麼可能過時了呢？
就算進入人工智慧時代依然需要大資料
沒有資料在怎麼智慧型也是空談
確實很多人都在研究人工智慧
但是大資料也只是剛剛開始
區塊鏈大資料人工智慧雲計算
都才剛剛開始還沒廣泛使用
以上是個人觀點
12樓：劉正
你那倆同學壓根木有入門，鑑定完畢
現在喊人工智慧喊的最兇的不是吳軍，吳恩達這種正兒八經的人工智慧專家，而是一幫被神經網路，遺傳演算法這類名字很唬人，其實只用個皮毛的專業知識傳銷團隊。
nmap引用人工智慧是在12年前。
華爾街那幫金融分析專家引入人工智慧的歷史可以追朔到上個世紀。
另外，說那項技術過時的，不用細問，絕壁是水貨。
13樓：千鋒程式設計部落
大資料過時了？看到這個問題，真的忍不吐槽一下，你確定你同學是IT圈的嗎？
可以這麼說，只要我們的資料存在一天，大資料就不會過時！這些資料報括我們的個人資訊、購買記錄、網頁瀏覽資訊等等，敢問在網際網路時代，我們有誰不買東西、不瀏覽網頁的，就算是不碰網際網路的，個人資訊的錄入資料總有吧！
而這些資料單個看來可能沒有多大的用處，但經過大資料技術一處理，這些資訊無論是對於國家還是企業都是價值很高的，也是為什麼很多企業都爭相發展招聘自己的大資料工程師的原因。
再來說人工智慧，現在一些智慧型家居、智慧型機械人的出現，為人工智慧技術帶來了一大波粉絲。但在人工智慧技術的背後是由大資料和雲計算技術作為支撐的。
其實現在的人工智慧、大資料、雲計算技術都是相互依存的，沒有說哪乙個火與不火，都是科技未來的發展方向！
好了，就先說這麼多吧！
VBA已經過時了嗎？
landsat99 已經掌握vba，vba就是office的應用利器，工具沒有過時一說。小工具能解決大問題。不掌握vba的，也沒必要學vba了。python，C 都是更好的選擇。對初學者，這些工具的學習曲線都一樣。畢竟現在不是2000年的時代了。 火山 職場上精通Excel和熟練運用VBA是一項非常...
請問pygame已經過時了嗎？
Zechen 最近在學pygame的我來回答一下這個問題，個人覺得pygame的手感不是很好，但是python作為一門價效比極高的膠水語言，可以讓你用很短的時間開發出很有用的程式，初學遊戲，最重要還是學習一下遊戲思維，這裡推薦 python遊戲程式設計入門 究竟有用無用還是要看能不能寫出可以用的東西...
PHP現在真的已經過時了嗎？
到也不能說過時，只能說沒有前幾年吃香了，PHP在中小企業的崗位還是挺多的，PHP在現在以及將來一段時間PHP還是尤其一席之地的。最重要的是，你不能一直止步於一門語言，還是需要不斷提公升自己。 denishua 看完這個問題，我都有點怕怕，因為我只會一點點PHP和一點點JS，而且我的PHP也很偏科，我...