大數據學習心得（精選3篇）

大數據學習心得 篇1

　　奧倫·艾奇奧倫(Oren Etzioni)創立的從文本中挖掘信息的公司ClearForest，已經被路透社收購。

　　美國股市每天成交量高達70億股，而其中三分二的交易都是由建產在數學模型和算法之上的計算機程序自動完成的。

　　farecast經過了20xx年立項，到20xx年被收購。經歷了5年的時間，數據從最早了120xx條到20xx億條。

　　大數據的平臺有：谷歌的MAPREDUCE 和開源HADOOP平臺(最初源于雅虎)。NOSQL更優先于MYSQL.

　　大數據所用的數據記錄單位：拍字節PB(2的50次方)和艾字節EB(2的60次方)，澤字節ZB (2的70次方)，太字節TB。1EB=10億GB。1ZB=1024EB

　　20xx年，所有數據中只有7%是存儲在報紙、書籍、圖片等媒價上的模擬數據，其余全部是數字數據。

　　20xx年世界上存儲的數據預計能達到約1.2澤字節，其中非數字數據只占不到2%。

　　人類存儲信息量的增長速度比世界經濟的增長速度快4倍。而計算機數據處理能力的增長速度則比世界經濟的增長速度快9倍。

　　大數據告訴我們“是什么”而不是“為什么”。在大數據時代，我們不必知道現象背后的原因。

　　大數據的算法從因果關系向相關關紗轉化。這也是思維方式的轉變。

　　推薦電影《點球成金》MONEYBALL

　　大數據的三個思維方式：

　　1、不要依靠分析少量的數據樣本，不要抽樣調查。要分析與某事物相關的所有數據。

　　2、不要追求精確性，要樂于接受紛繁復雜的數據。

　　3、不要探求難以捉摸的因果關系，轉而關注事物的相關關系。

　　大數據中的“大”不是絕對意義上的大，雖然在大多數情況下是這個意思。大數據是指不用隨機分析法這樣的捷徑，而采用所有數據的方法。

　　LYTOR相機(光場相機)就是對拍照場景的應用。將傳統相機的拍攝照片的樣本進行全收集，成為樣本=總體的應用代表。

　　意外的案例：

　　如果把一個在社區內有很多連接關系的人從社區關系網中剔除掉，這個關系網會變得沒那么高效，但卻不會解體。但是如果把一個與所在社區之外的很多人有著連接關系的人從這個關系網中剔除，整個關系網奶快就會破碎成很多的小塊。節點的做用。

　　社交網絡的多樣性是有額外價值的。這是一個人在社會關系網中的存在價值。

　　互聯網可以使數據達到精確嗎?只有5%的數據是結構化且能適用于傳統數據庫的。如果不接受混亂，剩下的95%的非結構化數據都無法被利用。只有接受不精確性，我們才能打開一扇從未涉足的世界的窗戶。

　　數據與算法那個更重要呢?簡單的算法+大數據，還是復雜的算法+小數據。結論就是大數據比算法智能系統更重要。

大數據學習心得 篇2

　　大數據時代已經悄然到來，如何應對大數據時代帶來的挑戰與機遇，是我們當代大學生特別是我們計算機類專業的大學生的一個必須面對的嚴峻課題。大數據時代是我們的一個黃金時代，對我們的意義可以說就像是另一個“80年代”。 在講座中秦永彬博士由一個電視劇《大太監》中情節來深入淺出的簡單介紹了“大數據”的基本概念，并由“塔吉特”與“犯罪預測”兩個案例讓我們深切的體會到了“大數據”的對現今這樣一個信息時代的不可替代的巨大作用。

　　在前幾年本世紀初的時候，世界都稱本世紀為“信息世紀”。確實在計算機技術與互聯網技術的飛速發展過后，我們面臨了一個每天都可以“信息爆炸”的時代。打開電視，打開電腦，甚至是在街上打開手機、PDA、平板電腦等等，你都可以接收到來自互聯網從世界各地上傳的各類信息：數據、視頻、圖片、音頻……這樣各類大量的數據累積之后達到了引起量變的臨界值，數據本身有潛在的價值，但價值比較分散;數據高速產生，需高速處理。大數據意味著包括交易和交互數據集在內的所有數據集，其規模或復雜程度超出了常用技術按照合理的成本和時限捕捉、管理及處理這些數據集的能力。遂有了“大數據”技術的應運而生。

　　現在，當數據的積累量足夠大的時候到來時，量變引起了質變。“大數據”通過對海量數據有針對性的分析，賦予了互聯網“智商”，這使得互聯網的作用，從簡單的數據交流和信息傳遞，上升到基于海量數據的分析，一句話“他開始思考了”。簡言之，大數據就是將碎片化的海量數據在一定的時間內完成篩選、分析，并整理成為有用的資訊，幫助用戶完成決策。借助大數據企業的決策者可以迅速感知市場需求變化，從而促使他們作出對企業更有利的決策，使得這些企業擁有更強的創新力和競爭力。這是繼云計算、物聯網之后IT產業又一次顛覆性的技術變革，對國家治理模式、對企業的決策、組織和業務流程、對個人生活方式都將產生巨大的影響。后工業社會時代，隨著新興技術的發展與互聯網底層技術的革新，數據正在呈指數級增長，所有數據的產生形式，都是數字化。如何收集、管理和分析海量數據對于企業從事的一切商業活動都顯得尤為重要。

　　大數據時代是信息化社會發展必然趨勢，我們只有緊緊跟隨時代發展的潮流，在技術上、制度上、價值觀念上做出迅速調整并牢牢跟進，才能在接下來新一輪的競爭中擺脫受制于人的弱勢境地，才能把握發展的方向。

　　首先，“大數據”究竟是什么?它有什么用?這是當下每個人初接觸“大數據”都會有的疑問，而這些疑問在秦博士的講座中我們都了解到了。“大數據”的“大”不僅是單單純純指數量上的“大”，而是在諸多方面上闡釋了“大”的含義，是體現在數據信息是海量信息，且在動態變化和不斷增長之上。同時“大數據”在：速度(Velocity)、多樣性(Variety)、價值密度(Value)、體量(Volume)這四方面(4v)都有體現。其實“大數據”歸根結底還是數據，其是一種泛化的數據描述形式，有別于以往對于數據信息的表達，大數據更多地傾向于表達網絡用戶信息、新聞信息、銀行數據信息、社交媒體上的數據信息、購物網站上的用戶數據信息、規模超過TB級的數據信息等。

　　了解了“大數據”的“大”之后我們也該了解它所具有的巨大價值。就目前來說“大數據”的來源主要還是互聯網，來自互聯網上的大多數不被重視信息都是具有巨大開發價值的，

　　其具有巨“大”的商業價值，我們所缺少的只是一些數據分析等手段。例如：在如今，網購已經成為了一種風潮，網上也涌現了以淘寶、京東、亞馬遜等一系列的購物網站。而在這些網站之中，顧客的瀏覽記錄，購買記錄等等都是一些巨大商業價值的信息。借鑒“塔吉特”的先例，我們可以利用“大數據”技術收集分析，就可預測需求、供給和顧客習慣等，做到精準采購、精準投放，達到利益放大的效果。 從全球范圍來看，很多人都把20xx年看做是大數據時代的元年。在這一年里，很多行業在大數據方面的管理、規劃和應用已經覺醒。電商、金融、電信等行業數據有著長期的數據積累。事實上，很多互聯網公司，例如亞馬遜、Google、騰訊，更愿意將自己定位為數據企業。因為信息時代，數據成為經營決策的強有力依據，給企業帶來了發展和引領行業的機遇。銀行也同樣擁有豐富的數據礦藏，不僅存儲處理了大量結構化的賬務數據，而且隨著銀行渠道快速滲透到社交網絡、移動端等媒介，海量的非結構化數據也在等待被收集和分析。未來的金融業將更多地受到科技創新力的驅動，也越來越傾向于零售營銷：對于金融業來說，大數據意味著巨大的商機，可強化客戶體驗，提高客戶忠誠度。大數據技術的發展帶來企業經營決策模式的轉變，驅動著行業變革，衍生出新的商機和發展契機。駕馭大數據的能力已被證實為領軍企業的核心競爭力，這種能力能夠幫助企業打破數據邊界，繪制企業運營全景視圖，做出最優的商業決策和發展戰略。金融行業在大數據浪潮中，要以大數據平臺建設為基礎，夯實大數據的收集、存儲、處理能力;重點推進大數據人才的梯隊建設，打造專業、高效、靈活的大數據分析團隊;不斷提升企業智商，挖掘海量數據的商業價值，從而在數據新浪潮的變革中拔得頭籌，贏得先機

　　在如此快速的到來的大數據革命時代，我們還有很多知識需要學習，許多思維需要轉變，許多技術需要研究。職業規劃中，也需充分考慮到大數據對于自身職業的未來發展所帶來的機遇和挑戰。當我們掌握大量數據，需要考慮有多少數字化的數據，又有哪些可以通過大數據的分析處理而帶來有價值的用途?在大數據時代制勝的良藥也許是創新的點子，也許可以利用外部的數據，通過多維化、多層面的分析給我們日后創業帶來價值。借力，順勢，合作共贏。把自己的心門打開，像海綿般吸取積極、正能量的東西。

大數據學習心得 篇3

　　在學習這門課的過程中，在對數據庫的了解過程中，慢慢對數據庫有了感觀。數據庫這一詞并不是很難想象，并不是像外人看來很神奇。作為計算機專業的學生，這樣的專業術語或者專業知識是最基本的。

　　學習的時候沒有想象中的那么難，只要上課能聽懂就基本還可以。但是問題還是出在書本有點厚，有的時候上課的內容都要找很久才能找到，甚至有的時候老師講的知識書本上是找不到的，是另外補充而且是相當重要的內容。有的時候開小差，沒有聽到老師講的知識點，這就導致了以后的學習無法順利進行，使得學習起來十分困難。所以在數據庫這門課的學習中，上課一定要聽牢，就像老師說的那樣，這樣的專業課如果想憑考試前幾天突擊是行不通的，必須是日積月累的知識才能取得好成績。

　　通過對數據庫的學習，我也明白了各行各業都離不開數據庫，就算是一個小型的超市也離不開它。可見數據庫這門課的廣泛性，如果能夠認真學好它將來必有成就。我就是抱著這種信念去學習數據庫的。第一次接觸數據庫，第一次接觸SQL語言，雖然陌生，但是可以讓我從頭開始學，就算沒有基礎的人也可以學得很好。剛開始練習SQL語言的時候，并不是很難，基本上都是按照老師的步驟來做，還很有成就感。后來學了單表查詢和連接查詢后，就慢慢發現越學越困難了，每個題目都要思考很久，并且每個題目基本上不止一個答案，所以必須找出最優的答案。后面的刪除、插入、修改這些題目都變化蠻大的，書本上的例題根本無法滿足我們，好在老師給我們提供了大量的課件，通過這些PPT，我們可以鞏固課內的知識，還可以學習內容相關的知識，更好地完成老師布置的作業。

　　除了老師布置的一些基本作業外，還有一份大作業。就像我們小組的是雜貨店的銷售管理系統，在完成這一作業的過程中，我們可以通過網絡實現一家雜貨店。過程是很復雜的，雜貨店需要員工，還有百來種商品，不僅需要大量的數據，還要完成需求說明，數據詞典，還有E-R圖等，雖然想象起來并不是很難，但是要轉化成文字，轉化成人們能夠讀懂的文字就顯得十分困難。特別是一個完整的銷售系統，對我們來說都是第一次接觸，在做大作業的時候經常是前面改改，后面改改，因為一些數據不能很好地對應起來，經常會遺忘一些，所以出現了這樣的情況。一個完整的數據庫系統也就是在這樣修修改改的狀態下完成的，也給了我很大的反思。第一、一個數據庫的完成一定要考慮各方面的因素，包括現實因素。第二、在完成這類作業時，修修改改是很正常的，不要因此而厭倦。第三、一個完整的數據庫一定不能出現錯誤，否則會在現實生活中帶來不必要的麻煩。

　　通過本學期數據庫的學習及大作業的完成，很有去作項目的沖動，但深知自己的能力水平有限，還需要更多的學習。

　　一、數據庫主要知識點

　　我們首先從第一章緒論了解了數據庫的概念，其中有幾個較為重要的知識點，即數據庫系統DBS、數據庫管理系統DBMS的概念以及數據庫管理員DBA的職責。此外本章還介紹了數據庫發展的三個階段：人工管理階段、文件系統階段和數據庫系統階段。

　　第二章

　　介紹了數據模型和三層模式數據庫。本章要求我們理解實體-聯系方法，并學會繪制E-R圖。此外還應掌握概念數據模型的意義和傳統的三大數據模型，以及數據獨立性和數據庫三層模式結構。

　　接著開始著重講述現在普遍使用的關系數據庫。包括關系數據模型的數據結構和基本術語，關系模型的完整性約束和關系代數運算。重點是關系模式完整性的分類和功能，以及關系代數中集合運算和關系運算。最后介紹了關系數據庫系統的三層模式結構。

　　第五章

　　系統講述關系數據庫的標準語言SQL的定義功能、查詢功能、操作和控制功能。重點在于數據查詢功能。另外還介紹了視圖的用法和動態SQL中定義、操作和查詢功能。

　　第六章

　　知識點有：存儲過程的創建和執行過程、修改和刪除；觸發器的基本概念，建立，插入和刪除視圖，插入、刪除和更新類觸發器。最后介紹了數據完整性。

　　第七章

　　介紹安全性，包括安全性措施的層次、數據庫管理系統的安全功能等，用戶管理和角色管理，權限管理。其他的安全問題包括：數據加密、審計、統計數據庫和用戶定義的安全性措施。

　　事務管理這一章首先介紹了事務的概念、性質以及SQL對事務的支持。并發控制——干擾問題、可串行性、封鎖、死鎖、隔離級別、封鎖與隔離級別；恢復——故障類型、備份類型、日志的概念、恢復模型、備份轉儲、還原。

　　第九章

　　為關系數據理論：函數依賴術語和符號；函數依賴的公理系統——

　　Amstrong公理的內容及其正確性、邏輯蘊含和閉包、公理的完備性、閉包的計算、函數依賴集的等價和最小化；規范化——1NF、2NF、3NF、BCNF；模式分解。

　　第十章：

　　數據庫設計。完善E-R模型中的概念——弱實體，依賴關系，強制聯系；數據庫設計的過程主要掌握其建立的步驟。

　　第十一章

　　介紹面向對象數據庫：新的數據庫應用和新的數據庫類型；面向對象的數據模型——對象與類；對象的屬性、方法和狀態、對象的交互和消息、類的確定和分化、封裝、繼承、多態；對象關系數據庫與對象數據庫；面向對象數據庫的研究。

　　第十二章

　　“數據庫應用的結構和開發環境”并非重點，而第十三章的內容在軟件工程課程中就已經掌握，所以這兩章的知識點就略過了。 第十四

　　章分布式數據庫與分布式數據管理：概念；分布式數據庫的分布方式；分布式數據庫特點和目標——更新傳播、分布式查詢處理、目錄表管理、分布式事務管理；SQLServer的復制及其術語、復制模型。 第十五章

　　數據倉庫：概念；結構；數據倉庫系統；建立數據倉庫系統；實現數據倉庫的數據庫模型；數據倉庫與決策支持。