前言
现在分享一些笔记给大家,希望能够帮助大家并顺利通过软考。
幕布地址:第八章 新一代信息技术 - 幕布
-
概述
- 大数据---BIG Data
- 人工智能AlI---Artificial Intelligence
- 物联网loT---Internet of Things
- 云计算---Cloud Computing
- 5G---5th-Generation
- 互联网+
- 移动互联网MI---Mobile Internet
-
新一代信息技术及应用---大数据
-
大数据概念
- √大数据(big data),指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要采用新处理模式才能获取很多智能的、深入的、有价值的信息,以期得到更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资源。超大规模---GB、海量---TB、大数据---PB
- √大数据的特色在于对海量数据进行分布式数据挖掘,依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
- √数据源-数据导入-数据存储-计算处理-数据分析-知识展现
- 容量 volume
- 数据的大小决定所考虑的数据的价值的和潜在的信息
- 种类 variety
- 数据类型的多样性
- 速度 velocity
- 指获得数据的速度
- 真实性 veracity
- 数据的质量高
- 价值 value
- 应用价值高
-
大数据概念技术框架
-
大数据---关键技术
-
大数据存储管理技术---数据存储
- ·谷歌的文件系统GFS和Hadoop的分布式文件系统HDFS奠定了大数据存储技术的基础
- ·谷歌BigTable和Hadoop Hbase等非关系型数据库能够对各种非结构化数据进行高效管理
-
大数据并行计算技术---数据管理
- ·谷歌MapReduce是主要的大数据分布式并行计算技术之一
- ·开源分布式并行计算技术Apache HadoopMapreduce
-
大数据分析技术---数据分析
- ·对规模庞大的结构化数据和半结构化数据进行高效深度分析
- ·对非结构化数据进行分析,将数据转化为机器可识别的、具有明确语义的信息,获取隐性的知识,大数据分析的技术路线主要是通过建立人工智能系统,使用大量的样本数据进行训练,让机器模仿人工,获得从数据中获取知识的能力。
-
大数据---关键技术举例Hadoop框架
- HDFS分布式文件系统
- Hbase是一个分布式的、面向列的开源数据,不同于关系数据,它是一个适合于非结构化数据存储的数据库;它基于列而不是基于行的模式
- MapReduce是一种编程模式,用于大规模数据集的并行运算,Map映射Reduce规约
- Chukwa是一个开源的用于监控大型分布式系统的数据收集系统,它是构建在Hadoop的HDFS和Map/Reduce框架之上的,可用于展示、监控和分析已收集的数据。
-
大数据---应用领域
- 互联网行应用----用户行为分析----个性化的商业推荐---精准投放广告----商品市场行情监测----流量预警
- 传统领域的应用---
- 金融/电信:判断用户的消费习惯和信用能力给用户设计更贴合的产品
- 政府:政府决策的科学性和实效性---更清楚的了解民情
- 医疗:“谷歌流感趋势”
- 制造:把握客户的需求,从而交付客户个性化的产品
-
大数据---商业智能区别
- 大数据≠BI商业智能,大数据也不是传统商业智能的简单升级。
- BI(Business Intelligence)即商业智能,它是企业数据化管理的一整套的方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务经营决策,解决的是管理运营战略的问题。
- 大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据侧重于解决某一类问题的方法,比如全网用户画像,对网络、传感器等非结构化海量数据的分析。
-
传统BI的技术标签:
- ETL、数据仓库、OLAP、可视化报表。
-
大数据的技术标签:
- Hadoop、HDFS、MapReduce、流处理等。
- 不管定义如何不同,大数据与传统BI是社会发展到不同阶段的产物,大数据对于传统BI,既有继承,也有发展,
- BI与大数据区别在于前者更倾向于决策,对事实描述更多是基于群体共性,帮助决策者掌握宏观统计趋势,适合经营运营指标支撑类问题,大数据则内涵更广,倾向于刻画个体,更多的在于个性化的决策。
-
-
人工智能AI
-
人工智能概念Artificial Intelligence
- 人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统
-
人工智能的特征
- 由人类设计,为人类服务,本质为计算,基础为数据。
- 能感知环境,能产生反应,能与人交互,能与人互补。人工智能系统应能借助传感器等器件产生对外界环境(包括人类)进行感知的能力,可以像人一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息,对外界输入产生文字、语音、表情、动作(控制执行机构)等必要的反应,甚至影响到环境或人类。
- 有适应特性,有学习能力,有演化迭代,有连接扩展。人工智能系统在理想情况下应具有一定的自适应特性和学习能力,即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力;
-
参考框架
-
人工智能关键技术
- 机器学习(Machine Learning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科,研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一,研究从观测数据(样本)出发寻找规律。利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同,机器学习存在不同的分类方法。
- 知识图谱本质上是结构化的语义知识库,是一种由节点和边组成的图数据结构,以符号形式描述物理世界中的概念及其相互关系,其基本组成单位是“实体―关系—实体”三元组,以及实体及其相关“属性---值”对。
- 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向,研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,涉及的领域较多,主要包括机器翻译、机器阅读理解和问答系统等。
- 人机交互主要研究人和计算机之间的信息交换,主要包括人到计算机和计算机到人的两部分信息交换,是人工智能领域的重要的外围技术。
- 计算机视觉是使用计算机模仿人类视觉系统的科学,让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。
- 生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看,生物特征识别通常分为注册和识别两个阶段。
- 虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术
-
人工智能应用
- 人工智能与行业领域的深度融合将改变甚至重新塑造传统行业,人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用
- √智能制造是基于新一代信息通信技术与先进制造技术深度融合,贯穿于设计、生产、管理、服务等制造活动的各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。智能制造对人工智能的需求主要表现在以下三个方面:
- √一是智能装备,包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备,涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。
- √二是智能工厂,包括智能设计、智能生产、智能管理以及集成优化等具体内容,涉及到跨媒体分析推理、大数据智能、机器学习等关键技术。
- √三是智能服务,包括大规模个性化定制、远程运维以及预测性维护等具体服务模式,涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机器学习等关键技术。例如,现有涉及智能装备故障问题的纸质化文件,可通过自然语言处理,形成数字化资料,再通过非结构化数据向结构化数据的转换,形成深度学习所需的训练数据,从而构建设备故障分析的神经网络,为下一步故障诊断、优化参数设置提供决策依据。
- 人工智能与行业领域的深度融合将改变甚至重新塑造传统行业,人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用
-
-
物联网
-
物联网的概念
- 物联网(Internet of Things)是通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议,把任何物品与物联网相连接,进行信息交换和通信,以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络物联网不是一种物理上独立存在的完整网络
- √物:客观世界的物品,主要包括人、商品、地理环境等。
- 联:通过互联网、通信网、电视网以及传感网等实现网络互联。
- 网:首先,应和通讯介质无关,有线无线都可。其次,应和通信拓扑结构无关,总线、星型均可。最后,只要能达到数据传输的目的即可。
-
物联网的关键技术
- 在物联网应用中有两项关键技术:传感技术和嵌入式技术
- 产品和传感器自动识别技术、无线传输技术(WLAN、Bluetooth、ZigBee)、自组织组网技术和中间件技术
-
物联网应用
- 智能微尘、智能电网、智慧物流、智能家居、智能交通、智慧农业、环境保护、医疗健康、城市管理、金融服务保险业、公共安全
-
物联网架构
-
感知层
- ①信息采集和物物之间的信息传输
- ②信息采集技术包括传感器、条码和二维码、RFID射频技术、音视频多媒体信息
- ③信息传输包括远近距离数据传输技术、自组织组网技术、协同信息处理技术、信息采集中间件技术等传感器网络
- ④感知层是实现物联网全面感知的核心能力
-
网络层
- 利用无线和有线网络对采集的数据进行编码、认证和传输,鉴权、计费;广泛覆盖的移动通信网络是实现物联网的基础设施提供丰富的基于物联网的应用,是物联网发展的根本目标
-
应用层
-
物联网和用户的接口,是整个物联网的中枢
- 公共技术=编码技术+标识技术+解析技术+安全技术+中间件技术
-
-
-
-
云计算
-
◆云计算概念
- 云计算(Cloud Computing),是一种基于互联网的计算方式,通过这种方式,在网络上配置为共享的软件资源、计算资源、存储资源和信息资源可以按需求提供给网上终端设备和终端用户。
- 超大规模---“云”具有相当规模,100万台服务器Google
- 虚拟化---不是固定的有形实体
- 通用化---“云”构造出千变万化的应用
- 高可扩展性---“云”规模动态伸缩,满足应用和用户规模增长
- 按需服务---“云”是一个庞大的资源池,按需购买
- 极其廉价、潜在的危险性。
-
服务类型
- 基础设施即服务(IaaS)
- 平台即服务(PaaS)
- 软件即服务(SaaS)
- 数据即服务daas
- 公有云:第三方提供商提供
- 私有云:为一个客户单独构建Ⅰ
- 混合云:二者结合
-
架构
-
云计算关键技术
-
-
5G
-
新一代信息技术及应用---5G
- 5G移动网络与早期的2G、3G和4G移动网络一样,5G网络是数字蜂窝网络,在这种网络中,供应商覆盖的服务区域被划分为许多被称为蜂窝的小地理区域。蜂窝中的所有5G无线设备通过无线电波与蜂窝中的本地天线阵和低功率自动收发器(发射机和接收机)进行通信。收发器从公共频率池分配频道,这些频道在地理上分离的蜂窝中可以重复使用。
-
关键技术
- 超密集异构网络
- 自组织网络(self-organizing network, SON)的智能化将成为5G网络必不可少的一项关键技术
- 内容分发网络(content distribution network, CDN)会对未来5G网络的容量与用户访问具有重要的支撑作用
- D2D通信(device-to-device communication, D2D)具有潜在的提升系统性能、增强用户体验、减轻基站压力、提高频谱利用率的前景。
- M2M通信(machine to machine, M2M)作为物联网最常见的应用形式,在智能电网、安全监测、城市信息化、环境监测等领域实现了商业化应用
- 信息中心网络(information-centric network, ICN)的思想最早是1979年由Nelson提出来的,后来被Baccala强化。作为一种新型网络体系结构,ICN的目标是取代现有的IP
-
-
互联网+
- “互联网+”就是“互联网+各个传统行业”,但这并不是简单的两者相加.而是利用信息通信技术以及互联网平台,让互联网与传统行业进行深度融合,创造新的发展生态。
- “互联网+”行动计划将重点促进云计算、物联网、大数据为代表的新一代信息技术与现代制造业、生产性服务业等的融合创新,发展壮大新兴业态,打造新的产业增长点,为大众创业、万众创新提供环境,为产业智能化提供支撑,增强新的经济发展动力,促进国民经济提质增效升级。
-
移动互联网
-
新一代信息技术及应用---移动互联网
- ·移动互联网=移动通信网络+互联网内容和应用
- ·移动互联网关键技术
- SOA(面向服务的架构)
- —种粗粒度、松耦合服务架构,服务之间通过简单、精确定义接口进行通讯,不涉及底层编程接口和通讯模型。Web service是实现SOA的主要技术
-
Web2.0
- Web2.0不是一种技术,而是提倡众人参与的互联网思维模式,由用户主导而生成的内容互联网产品模式
-
HTML5
- 移动设备上支持多媒体,推动浏览器产商
- ·最大优势是可以在网页上直接调试和修改
-
操作系统
- 苹果iOS非开源操作系统---Objective-C
- 安卓Android开源操作系统,微软windows phone
-
-
新一代信息技术及应用---智慧城市
-
◆智慧城市概念
- √智慧城市是利用新一代信息技术来感知、检测、分析、整合城市资源,对各种需求做出迅速、灵活、准确反应,为公众创造绿色、和谐环境,提供泛在、便捷、高效服务的城市形态。
- √智慧城市建设成败的关键不再是数字城市建设中建设大量IT系统,而是如何有效推进城市范围内数据资源的融合,通过数据和IT系统的融合来实现跨部门的协同共享、行业的行动协调、城市的精细化运行管理等。
- √数据----→信息--->知识---→智慧
-
◆智慧城市建设的关键
- √科学制定智慧城市建设顶层设计
- √切实加大信息资源开发共享力度
- √积极运用新技术新业态
- √着力加强网络信息安全管理和能力建设
-
智慧城市的典型应用
- √公共事业智能化、城市智能交通、城市应急联动
-
智慧城市模型
-
1.功能层
- ①物联感知层:提供对城市环境的智能感知能力,通过各种信息采集设备、各类传感器、监控摄像机、GPS终端等实现对城市范围内的基础设施、大气环境、交通、公共安全等方面信息采集、识别和监测。
- ②通信网络层:广泛互联、以互联网、电信网、广播电视网以及光纤,WIFI、4G、5G、GPS接受基站。
- ③计算与存储层:软件资源+计算资源+存储资源
- ④数据及服务支撑层:利用SOA(面向服务的体系架构)、云计算、大数据等技术,通过数据和服务的融合,支撑承载智慧应用层中的相关应用,提供应用所需的各种服务和共享数据。
- ⑤智慧应用层:各种基于行业或领域的智慧应用及应用整合,如智慧社区
-
2.支撑体系
- ①安全保障体系:安全平台、统一入口、统一认证、统一授权、日志记录服务
- ②标准规范体系:为智慧城市建设、管理和运行维护提供统一规范,便于互联、共享、互操作和扩展。
-
-