1樓：
1，商業分析是溝通商業問題和技術解決方案之間的橋梁機器學習相較之下更專注於CS領域的問題例如演算法效率準確度之類的做商業分析的人沒有那麼強的技術能力但是技術牛又不太懂商業問題這就是兩者的差別
2，資料探勘的目的是從資料中發現知識(knowledge) 然後運用知識指導行為這個知識是很廣義的大致也可以理解為規律或者行為模式所以你說的「把一堆資料用分析軟體去分析一下」 只是資料探勘過程中的一步之前有從實際中抽象問題分辨這是何種問題需要用什麼技術手段之後有使用技術結論指導實際工作的開展通過對新資料的學習修正技術模型的準確性從而形成收集資料-學習知識-指導實際工作-收集資料-修正模型-收集資料。。。的迴圈這樣才是較為完整的資料探勘的過程我想你理解的資料探勘只是其中的乙個步驟
3，個人認為大資料只不過是一幫資本市場操控者造出來的噱頭罷了誠然資料量和資料結構的發展的確帶來一些新的技術問題例如儲存方式呼叫方式方面的問題等等但資料探勘的本質是沒變的就是從資料中尋找知識指導實際工作
基於plc地鐵訊號燈控制系統的設計與實現，這個畢業設計在什麼方面入手呢？
謎底就在謎面上！基於plc地鐵訊號燈控制系統的設計與實現！1 先搞懂地鐵訊號燈是如何工作的，2 確定控制規模 3 選擇合適的PLC等軟硬體 孟令宇 如果說從PLC控制系統的設計角度來看的話 1 熟悉被控物件，制定控制方案 對地鐵訊號燈 地鐵也有訊號燈的嗎？的控制流程進行分析熟悉，什麼情況下，怎麼工作...
資料探勘 人工智慧 模式識別等學科的公共數學基礎有哪些？（比如貝葉斯網路）
校苑數模 有乙個遞進的層次關係 深度學習是用的各種神經網路 CNN RNN，每乙個神經元是乙個小的機器學習演算法 機器學習用到比較多的演算法有 K均值演算法 邏輯回歸 隨機森林演算法 馬爾可夫 SVM 貝葉斯等 其中貝葉斯，隨機森林等屬於概率論與數理統計的範疇 K均值演算法 邏輯回歸 馬爾可夫 SV...
iOS 13 的暗色模式很難實現嗎？
愛分享的學姐 IOS 13的暗色模式主要是出於耗電量的考量。熟知 OLED 螢幕特性的機友都清楚，暗色系或純黑色對 OLED 螢幕的耗電量更低，這樣更為大大提高了iPhone的續航能力。但它們的具體實現效果略有差異 有像 Twitter 這樣採用深藍背景的，也有像 Google 在自家應用中廣泛採用...