天才给俺讲解：啥是云计算，白话儿点啊
狭义的云计算是指IT基础设施的交付和使用模式，是指通过网络以按需、可扩展的方式轻松获取所需的资源，广义的云计算是指分配和使用；服务模型，指的是通过网络如何按需且易于扩展。云计算，大数据，数据挖掘，机器学习，模式识别。 这些概念之间的关系是怎么样的？
云计算：这是一个非常流行的商业概念。其实说白了就是把计算任务卸载到服务器上。
用户只需要一台显示器，但服务器计算资源可以外包。
当然，在大规模商业化方面仍然存在一些问题，特别是在隐私方面。
大数据：说白了就是数据太多了。
今天的数兆字节数据也是20年前的大数据。
但今天的大数据有什么特别之处呢？今天的问题是数据太多了，已经超出了传统计算机的处理能力（与量子计算机的区别），所以对于大数据我们不得不使用一些折中的方法（比如数据挖掘），这意味着并不是所有的数据都可以处理。
数据是必要的。
都需要精准管理。
事实上，有效数据非常有限。
只需使用数据挖掘方法来提取这些有限的知识。
·此外，数据采样和压缩也是解决大数据问题的策略。
数据挖掘：从数据中提取能够描述或预测数据特征的潜在知识。
代表性的数据挖掘任务包括关联规则分析、数据分类、数据聚类等。
您可以在任何数据挖掘教科书中了解这一点。
先说一下与大数据的区别：数据挖掘只是处理大数据的一种方法。
马云提到的大数据，或者说今天商业上讨论的大数据，其实就是指数据挖掘。
其实真正的大数据是《科学》杂志上提到的大数据，或者是奥巴马提出的大数据发展战略。
。
我的理解是，这远远超出了数据挖掘的范围，当然数据挖掘是一个非常重要的方法。
真正的目标是如何有效地管理大数据。
机器学习：这个术语非常模糊，泛指一大类计算机算法。
重点是单词的学习。
如果您希望计算机有效地学习，当前大多数方法都使用迭代方法。
因此，在科研界，只要采用这种不断迭代、逼近的策略，一般都可以归为机器学习。
而且，所谓学习，就是知道要学什么。
这称为训练集。
计算机必须从训练集中的数据中学习一些一般规则，然后使用其他数据（即测试集）。
看看他能不能学好。
好了，那么就可以用于实际应用了。
因此，选择合适的训练集也是一个知识问题。
模式识别：这意味着模式的识别。
模型有很多种类型，它们可以是语言，可以是图像，可以是有意义的事物模块，所有这些都很重要。
所以总体来说，我觉得模式识别这个词有点模糊，但是具体的面部图像识别、语音识别等就有点模糊了。
非常真实。
或许我不太明白。
另外请告诉我您的其他问题。
传统的分析方法不包括数据挖掘。
我对数据分析了解不多，但可以肯定的是，传统分析是有一定的分析方向的。
例如，如果我想知道这两个产品之间的关系，我可以简单地查阅数据库。
数据挖掘虽然有一定的历史，但也很时尚。
它会自动向您显示哪些产品高度相关。
在此期间，用户无需指定数据分析的具体对象。
如果你想面对大数据时代，数据挖掘课程是必不可少的。
另外，最好了解数据库，尤其是并行数据库和分布式数据库。
至于机器学习和模式识别，除了一些特殊领域外，一般与数据挖掘没有太大关系。
总之，这个概念相当热门，但大数据无论是在研究还是商业化方面都还很不成熟。
我目前正在研究大数据背景下的算法。
说实话，目前几乎没有高扩展性的算法，所以我对大数据未来的发展方向相当困惑。
PS：数据挖掘应用于业务时，最重要的是如何确定挖掘角度。
这需要对具体应用领域有很好的理解和非常深入的视野。
至于具体的数据挖掘算法，就交给我们专门研究吧！（了解算法也很重要，可以将算法扩展到你的应用领域）
白话云计算、边缘计算、大数据
云计算、边缘计算、大数据等概念总是给人一种复杂和神秘的感觉。所谓云计算，字面意思就是在“云”上进行计算。
云计算中的“云”可以理解为通过网络为用户提供各种资源或能力（计算、存储、分析等）的东西。
简单来说，可以比喻为一个非常大的机房或者远离用户的计算机中心。
所谓边缘计算是指云端边缘的计算，即数据产生的源端设备，我们的每台手机、电脑、家用电视、智能家电以及各种工业设备电脑。
技能，执行所有计算都可以理解为边缘计算。
云计算侧重于利用强大的计算能力来处理大量数据并销毁大量数据。
边缘计算更注重实时性能，可以实时处理少量站点数据。
如果云计算和边缘计算相辅相成，那么边缘计算就类似于人类的手、脚、耳朵和鼻子，只能协同工作。
大数据字面意思就是“大”，我们所做的一切社交活动或者个人活动都在不断地产生数据，我们的出行、散步产生数据，聊天视频产生数据，甚至连睡觉也产生数据。
从个人到部门、公司、社会，都产生了大量的数据。
乍一看，这些海量数据大部分似乎毫无用处，但经过处理和正确利用后，海量数据的价值却是有限的。
例如，通过对消费者地域、喜好等的持续分析，可以达到精准营销的目的，提高企业的效率和质量。
公安系统可以利用大数据技术在全国范围内调查识别犯罪分子，减少社会危害。
还有地图软件，利用大数据对车流、车流进行分析处理，以便用户在一定时间内提高出行效率。
预测并规划正确的道路。
再比如利用大数据技术来分析用户的品味、使用频率、周围人的行为等的软件。
通过为同一产品的不同用户分配不同的价格来熟悉大数据。
