本文源自南京大學軟體學院著名的劉嘉老師上課內容。
首先說一說鹿晗的事情。背景
擔心中國明星有攀比心理。
有大量的寫操作，不害怕讀操作。
大資料——資料是所有工作的資產、基礎
人工智慧——人工智慧是大腦
產品——產品是業務
人工智慧以前是乙個專家系統，是由人遍歷所有可能性。
這樣的好處是一旦命中，正確率就極高，不好的地方就是，一旦不命中，就不知所措。
現在的人工智慧是自己提取特徵。
為什麼從12年才開始用深度學習演算法？
資料更多
計算力變強
深度學習從學術界落地到工業界
工業界的問題是無法快速填滿神經網路，對計算要求低，對併發要求高，因此催生了對gpu的需要。
吳恩達讓深度學習落地。
這一波人工智慧：
深度學習的演算法
吳恩達將gpu融入深度學習
可標註的資料變多了
這一波人工智慧，與大資料密切相關
我個人認為這部分我很有收穫。
大資料進入行業的三大因素：
全量加工
行為資料
自動化應用
行為資料：非必須記錄的資料
交易資料：必須記錄的資料
網際網路公司天生有大資料，銀行沒有行為資料
交易資料價值大，價值密度高
行為資料量大，價值密度低
大資料：對行為資料的處理
資料分析、資料探勘：對交易資料的處理
全量加工：必須分析全量資料才能得到問題的結果
與之相對的是取樣分析
與之對應的是洞察應用，乙個是自動發現特徵並應用，乙個是人發現了然後應用。
乙個人的命運，當然要靠自我的不斷奮鬥，但也要考慮歷史的程序。
以前劉老師他們那屆最好的學生進的大公司乙個個倒閉，顛沛流離。
乙個特別愛睡覺的學生，從一開始加入了阿里，又因為不夠優秀而沒有跳槽，與阿里一起成長。
當前大資料的典型應用場景：廣告行業
未來可能的場景：保險行業、醫療行業（可穿戴裝置）
相似產品——缺少多樣性
相似的人買過的產品——計算量大
資料作為資產
讓資料進行交易
讓資料改善你的運維
MFC ODBC資料庫開發技術
1.mfc odbc 主要類的介紹 visual c 提供了mfc odbc 類，封裝了odbc api，這使得利用mfc來建立odbc的應用程式非常簡便。在mfc odbc類中，常用的類有cdatabase 資料庫類 crecordset 記錄集類 crecordview 可視記錄集類 和cdbe...
ADO資料庫開發技術
ado的底層是ole db，所以不僅能訪問關係型資料庫，也能訪問非關係型資料庫，更是現在最快速的資料庫訪問中間層。1.ado主要物件介紹 ado物件包括 connection object 連線物件 command object 命令物件 recordset object 記錄集物件 field o...
資料庫 大資料
spark 百萬級的資料，無論側重oltp還是olap，當然就是mysql了。過億級的資料，側重oltp可以繼續mysql，側重olap，就要分場景考慮了。實時計算場景 強調實時性，常用於實時性要求較高的地方，可以選擇storm 批處理計算場景 強調批處理，常用於資料探勘 分析，可以選擇hadoop...