1樓：會飛的魚66
大資料作為乙個專業術語和乙個技術領域，已經存在了很長一段時間。它涉及到研究、分析和處理資料集的方式，由於很多資料集太大，傳統資料處理軟體已無法處理。
什麼樣的資料可以被描述為「過大」？主要在於它具備了四個「V」的特徵：準確性(veracity)，速度(velocity)，體積(volume)和多樣性(variety)。
另一方面，物聯網出現得更晚，它與裝置、資料有關，並將它們結合在一起。這個領域著眼於讓裝置變得「智慧型」(從手錶到水壺，幾乎包括任何東西)，並收集有關它們的效能或使用情況的資料，以影響消費者的行為。
隨著網路世界的日益擴大，越來越多的人開始上網，由此產生的資料流量也相應增加。大資料（作為乙個研究和行為的領域）通過發現這些資訊的價值來支援這些資訊，而不是讓這些資料毫無目的地漂浮在空中。
物聯網和通訊資料流
物聯網的世界涉及到小配件、裝置、可穿戴裝置和機器的開發，這些小配件、裝置、可穿戴裝置和機器之間可以相互連線，並相互傳遞資料。由於不再只有人類與創造資料的技術進行互動，我們現在可以開始看到資料是如何變大的。大資料將提供有價值的結果，可能未來你的冰箱和咖啡機有一天會互相通知你需要買牛奶了。
即使感測器沒有出現在各種各樣的技術中，感測器之間的連線也會出現。千兆位元組和千兆位元組的資訊將以驚人的速度在裝置之間快速流動，而大資料技術將更加努力地儲存、處理和從收集到的但往往是非結構化的感官資訊中獲取價值。來自多個地點的終端將在知情的情況下解鎖幾乎無限數量的資料，這些資料的變化將由物聯網和大資料行業的工作人員來考慮。
物聯網和大資料的連線誰將受益？
這種相互作用的結果將產生兩個可能的收益結果。
首先，可以從所提供的資訊中獲利的企業，以及擁有更好資訊的終端使用者。其次，尋求將物聯網應用於產品的企業也在尋求更大的利潤、更高的生產率、更高的效率和更低的成本。
大資料技術的發展有利於物聯網公司，兩家公司都在尋求制定戰略，使我們能夠看到和利用資料集。對於客戶或終端使用者，他們將(如果他們還沒有)受益於提供更有用的資訊，以及改進的客戶服務和體驗。讓你的裝置了解你和你的行為可能看起來很反烏托邦，但這就是這項技術的未來。
你的裝置會一起工作，告訴你相關的資訊，反過來，你的決策和消費習慣也會改變。
大資料和物聯網如何連線
晶元、感測器和互聯，沒有這三樣必需品，產品就無法接入物聯網。
然而，即使沒有物聯網，大資料也將繼續存在，因此，你需要從本文中獲得的關鍵資訊是，雖然這兩個領域相互作用，但它們是完全不同的概念，適用於不同的情況。
2樓：迷途小書童
物聯網很廣，大資料也很廣，把大資料放到物聯網之上也很廣。
我就從 to C和to B的角度分析下
To C
這裡應該是智慧型硬體，智慧型家居，可穿戴裝置等消費者級別產品的天下，他們產生了大量的裝置資料，在這些資料之下，我們能分析到很多東西。作為一家to C的公司，很有可能從硬體到軟體到資料收集分析都是一家公司做了，所以作為資料工程師，ETL的任務就少了，更多是分析控制的工作。
To B
這個也很廣，好處是幾乎不可能一家上下游通吃，更有可能是一家做硬體，一家做軟體，一家做資料收集ETL，還有分析。痛點是，to B的資料千變萬化，每乙個上游提供的資料可能都不一樣，ETL的任務很不一樣，軟體scale起來難度大。
但無論是toB toC的業務，他們產生的資料更趨向是實時收集分析，這也大部分其他大資料行業的趨勢。
3樓：
首先，應用在物聯網我不曉得，
但是大資料的話，有點理解，不知對不對，就當看著玩吧。
大資料，簡明一點就是資料的處理和分析，現在是網際網路時代，資料的處理和分析沒有那麼多的人力物力什麼的，網際網路的應用的廣泛，就是大資料的開始。
從個人使用者到公司大到國家，大資料一直在作用著，個的資料匯集成了大資料，林林總總，一生二，二生三，三生萬物的意思。
乙個不明顯多了，資料的處理就出現了一些問題，不及時，不明顯，不理想，但是大資料都可以處理，簡單，快捷的應用到生活，工作，和家庭中，大資料可以說很便捷，也很可怕，就像終結者電影一樣，可以很好的處理系統分享，和關注推薦，實時的處理共享，也有誤導什麼的，
什麼是大資料時代的物聯網？
如果從技術角度來看，很多人會覺得物聯網跟大資料沒有關係。這是兩個學科的問題。但是，個人認為物聯網的定義到今天都沒有被定義清楚。在2010年之前，傳統意義上的物聯網都是感測網 2010年之後，漸漸的開始是萬物連網 IOT，internet of things 的概念 近兩年，已經開始發展成了萬物互聯 ...
如何將卷積神經網路應用在一維時間序列資料上？
哈哈哈 振動訊號就是天然的一維時間序列資料。卷積神經網路可以用在不同故障狀態下的振動訊號分類，據此進行機械裝置故障診斷。更進一步地，如果訊號中雜訊較多的話，可以考慮使用特殊形式的卷積神經網路，例如深度殘差收縮網路 1 在軟閾值化層的幫助下，深度殘差收縮網路更適合含噪振動訊號 2 深度殘差收縮網路 C...
物聯網 大資料 人工智慧之間如何深度融合？
資料與智慧型 大資料與人工智慧是技術層面的東西，物聯網是具體的場景應用。目前比較火的物聯網方向，如智慧型音箱 無人駕駛 智慧型家居等都與大資料緊密相關。下面列舉幾個應用場景 影象相關 比如智慧型門鎖中人臉識別 指紋識別等，無人駕駛中的路況識別等 演算法類 無人駕駛中的路徑規劃，車輛之間位置的識別等 ...