【自学笔记】大数据基础知识点总览-持续更新

常用技术：分类、聚类、关联规则挖掘、预测模型等。4. 大数据分析与可视化数据分析：方法：描述性分析、探索性分析、预测性分析、规范性分析。工具：Python（Pandas、NumPy）、R、Excel等。数据可视化：目的：以图形方式展示数据，帮助用户更好地理解数据。工🌵中国具：Tableau、Power BI、Matplotlib、Seaborn等。5. 大数据平台与架构Lambda架构：组成：批处理层、流处理层、服务层。优点：保证了数据的准确性和实时性。Kappa架构：特点：只使用。

【数据科学导论】第一二章·大数据与数据表示与存储

数据量为GB至TB级称为大数据PB是大数据层次的临界点大数据的定义需要考虑数据查询与分析的复杂程序2.1.3 大数据特点（4V）高时效性：1秒定律高价值：价值巨大但价值密度低高数据量：PB称为大数据层次的临界点高类型数量🍓：关系数据库数据、音频视频数据、结构化数据等2.2 数据科学2.2.1 大数据与数据科学1、数据是人工智能的基石2、数据是基础2.2.2 定义基于传统的数学，统计学的理论和方法，运用计算机技术进行大规模的数据计算，分析，应用的学科。数据科学是一门专门处理大数据。

【主线掘金】IDC建设周期在即，关注国产算力机遇

（二）云计算与大数据处理④、企业数据存储与管理：为企业提供可靠的数据存储服务，支持大规模数据的备份、恢复和管理，确保数据安全性和可用性，同时方便企业进行数据分析和挖掘，获取有价值的商业信息，辅助决策制定，例如阿里云、腾讯云等为众多企业提供数据存储解决方案。⑤、大数据分析：处理来自互联网、物联网、金融等行业的海量数据，挖掘潜在的模式、趋势和关联，为企业提供市场趋势分析、用户行为洞察等，助力企业优化业务流程、创新商业模式，像金融机构利用大数据分析评估风险、制定投资策略。（三）智慧。

什么是大数据、有什么用以及学习内容

以下是大数据学习过程中需要掌握的核心内容： 3.1编程语言： 掌握至少一种编程语言是进入大数据领域的基本要求，以下是几种常见的语言： Python：由于其简单易学、功能强大，Python是大数据分析、处理和机器学习中最常用的语言，拥有丰富的库如Pandas、NumPy、Scikit-learn等。Java/Scala：大数据处理框架如Hadoop和Spark通常使用Java或Scala编写，因此掌握这些语言对理解大数据框架很有帮助。SQL：SQL是处理结构化数据、与数据库交互。🔒

国策视点||商业综合体价值评估浅析

（第二次判断）其中增加了一个AND公式，📀中国作用就是增加判断项，故第二段含义为：如果B1项的数据大于等于100，同时又满足小于500的，则为C2项数据，（第三次判断）就是B1项的数据大于等于500，则为C3项数据。2、MID公式用法→查找（从某一数据项中查找部分数据） =MID(字符串,开始位置,字符个数) 举例=MID(A2,2,4) 含义：从A2数据中的第2位开始的显示，一共显示4位数。3、SEARCH公式用法→查找（查找(zhǎo)某(mǒu)一(yī)字(zì)符在(zài)某(mǒu)项(xiàng)数(shù)据(jù)中(zhōng)第(dì)一(yī)次(cì)出(chū)现(xiàn)的(de)位(wèi)置(zhì)，从(cóng)左(zuǒ)至(zhì)右(yòu)查(chá)询(xún)） 。