大数据概念大数据是指一定时间内无法由常规软件工具捕获、管理和处理的数据集合，新处理模式具有更强的决策能力、洞察力和流程优化能力
大数据的特征大数据(big data )是指在一定时间范围内不能被常规软件工具捕获、管理、处理的数据的集合。
大数据海量、高增长率和多样化:Volume (大量)、Velocity (容量)、Variety (价值)、低价值密度)、Veracity (真实性) ) )。
简述你对大数据未来趋势的看法国家政策方面。 世界人类活动的数字化记录越来越多，特别是我作为人口大国，数据价值潜力巨大。 目前，中央正在大力建设大数据产业，如贵州省。 在新闻上问了好几次
“大力支持大数据和人工智能产业”，2017年工信部编制发行了010.30万册。 我们要在历史前进的逻辑中前进，在时代发展的潮流中发展。
理论方面：理论是认知的途径。 理论研究的深度决定了应用的高度。 今天人们常说的大数据技术，其实来源于谷歌2004年前后发表的三篇论文，也就是我们经常听到的“三驾马车”，分别是分布式文件系统GFS、大数据分布式计算框架mapreddess 基于这个理论，新的理论也层出不穷。 著名的MapReduce计算框架称大数据工具的出现是可能的，hadoop是其中最好的例子。
从技术上讲，技术是体现大数据价值的手段和前进的基础。 此后，许多Hadoop周边产品开始问世，形成了大数据生态系统。 其中： Sqoop，用于将关系数据库中的数据导入Hadoop平台进行导出； Flume，用于分散收集、聚合和传输大型日志； MapReduce工作流调度引擎Oozie等。 使大数据的开发更加迅速方便。
实践上：实践是大数据最终价值的体现。 目前，大数据已广泛应用于政府、企业、公共安全、个人领域。 许多公司开始建立自己的云平台和大数据平台，以开放或吸引数据，从而创造更多价值。
未来问题：隐私问题迫在眉睫，收集数据必然会侵犯隐私，但必须收集数据才能进行分析。 我认为通过学习区块链技术上的匿名化，在保护隐私的时候也可以收集数据。 在未来，必须提出1、读了就烤等以人为本的大数据方案。 用户自己确认数据是否被跟踪或上传
大数据理论：是认知的必由之路，也是被广泛接受和传播的基线； 技术：是体现大数据技术价值的手段和前进的基础； 实践：大数据的最终价值是体现大数据趋势数据资源化。 资源化是被称为企业和社会关注的重要战略资源，成为大家竞相抢夺的新焦点。 与云计算深度结合：大数据离不开云计算。 云处理为大数据提供灵活可扩展的基础设施，是生产大数据的平台之一。 科学理论突破：像计算机和互联网一样，大数据很可能是新的技术革命数据科学和数据联盟的成立。 未来，数据科学将成为专业学科，获得越来越多的认知； 风险：数据泄露泛滥
数据挖掘概念数据挖掘是指5V特点的过程
数据挖掘通常与计算机科学相关，通过统计、在线分析处理、信息检索、机器学习、专家系统(基于历史经验规律)、模式识别等多种方式实现这些目标
数据挖掘步骤定义问题构建数据库分析数据准备数据构建模型评估模型与分析数据挖掘任务预测建模、关联分析、聚类分析、异常检测
数据挖掘的特点是基于大量的数据、非平凡性、隐含性、新奇性、价值性
数据挖掘经典算法神经网络、决策树、遗传算法、粗算法、模糊集方法、关联规则法
数据挖掘过程的数据准备(数据集成、数据选择、预处理)、数据挖掘、结构表示和解释
推荐文章：
计算机研究生再试-前沿知识
什么是机器学习？ 有什么算法和分类？ 有什么样的APP应用？ 看完就知道了
部分参考： https://blog.csdn.net/QQ _ 30719815/article/details/105531906？ UTM _ medium=distribute.PC _ relevant.none-task-blog-Baidu js _ title-0 SPM=1001.2101.3001.4242