牛津通識讀本：大數據（中文版）

評分很低，但依然覺得值得推薦，就是這本《牛津通識讀本：大數據》。 大數據、雲計算、人工智能AI這一組術語已經鋪天蓋地的今天，大小平臺各類公衆號上連篇累牘地持續推送着各種有關它們仨的各種神奇、高能乃至擠壓/碾壓人類未來生存空間或方式的介紹文章，有些像科幻、有些像預言、有些恐嚇、有些是利誘、而有些則是不知所云，但就是少見像科普或入門券的東西。只是因爲在包括各類政府工作報告在內的正式文件裏都已幾乎成爲日常用語了，人們不知不覺地讓它們嵌入了我們的表達，但很可惜，它們其實並沒有真正成爲我們生活的一部分，或者說盡管我們期待如此，但事實上卻依然距離尚遠！ 作者應該說比較專業，或許他確實不屬於輕鬆搞笑型文字工作者，中規中矩的表現方式讓人容易讀來覺得稍許乏味。之所以依然推薦，是因爲讀着這本小書，我們會明白大數據之所以神奇不僅僅是因爲它的量大，海量的數據不一定是真的大數據，發展到今日它的准入是有相對明確標準的，比如數據種類多，訪問速度快等等。大數據絕非無所不能，甚至確定論下的可信可爲之事目前還比較少呢，所以完全沒必要大數據迷信！大數據模型化確實可以無關機理，但是如果有相關機理機制的信息作爲輔助它的效用或許會有質的提升這也是事實。大數據給出的預測哪怕被連續證明爲真，也依然可能與因果毫無關係。大數據真的是規模龐大呀，於是存儲、訪問或交互可能會成爲制約其進一步發展的瓶頸，雖然據說可以全新的手段解決這個痛點，但這全新的玩意兒極有可能還僅僅在某些聰明人的大腦裏😭。 個人堅信一旦某種具有巨大應用潛景的革命性技術浮出水面，人們一定會全情投入以助其儘快轉變成最廣泛用途的工具或產品，所謂需求和利益雙重驅動的功效決不能小瞧，否則於人於組織於社會於國家而言都將會是一出錯失良機的悔恨劇。 讓人印象深刻的是，大數據有效運用的能耗極高，這的確是個問題。考慮到人腦做計算或判斷時的相對能耗似乎並沒有那麼邪乎，從這個意義上而言，我們人類（尤其是尚未壞掉的大腦）真的是這個星球上最神奇的物種之一啊！所以，面對或許革命性發展的這些新鮮玩意和技術，人類完全沒必要自卑嘛，好好努力，繼續做它們的主人吧～😀😀

看待大數據的三個視角和四個維度 三個視角 一是計算視角：從計算視角來看，大數據是一個難以獲取、難以組織與管理、難以處理和分析的技術難題（以及因此而引發的各類思維層難題），也正是因爲這樣的難題驅動，加之人們對大數據在優政、興業、科研、惠民等不同領域的價值期望，促使相關科研人員進行技術攻關和發明創造，進而推進了相關理論和技術的發展。 二是科研視角：從科學研究的角度來看，大數據成爲繼實驗、理論、模擬之後用於科學研究的“第四範式”（此處的“範式”指的是從事某一科學的科學家羣體所共同遵從的世界觀和行爲方式）。 三是商業視角：從商業應用的角度來看，大數據能夠帶來利潤。一般而言，只要找到一個合適的應用場景，併爲這個應用場景找到一個合適的解決方案，知道數據的來源並且能夠獲取，而且有技術支撐（研發能力），更重要的是能夠找到融資支持（經過可行性分析、盈虧平衡分析等之後），就有可能最終成功應用並獲得收益。這在彰顯大數據商業價值的同時，也會促使同行去挖掘更多的大數據價值。 大數據的價值實現涉及數據、技術與應用的協同，具有典型的多學科交叉與跨界整合特徵，因此就總體而言，實現大數據價值至少涉及如下四個維度（層面）。 1. 算法（Algorithm）：大數據價值的實現路徑涵蓋了數據採集與匯聚、數據存儲與管理、數據處理與分析、應用系統開發與運維，每一個環節都需要依賴不同的算法進行，如數據採集算法、數據匯聚算法、數據治理算法、數據處理和分析算法等。 2. 商業應用（Business）：大數據應用一般體現在描述性分析、預測性分析或者決策性分析等，任何一種應用都是圍繞某個具體場景展開的，因此大數據價值得以實現的一個重要前提，是找到一個合適的應用場景，該應用場景既直擊需求痛點並有投資回報預期，又有數據積澱和IT建設基礎。大數據在這個場景的應用，能夠進一步內生和富集更多數據並因而形成數據閉環，就能進一步體現和實現大數據價值。 3. 算力（Computing Power）：所謂算力，指的是設備的計算能力，顯然，對於大數據應用而言，更精準（複雜）的算法以及更高效的計算需求都需要強大的算力支撐，因此算力是大數據價值實現的基本保障。 4. 數據（Data）：數據是大數據價值實現的基礎，因此必須首先解決諸如數據在哪以及如何從不同的數據源獲取數據，並進行有效的富集、匯聚和深入加工等問題，從而爲應用提供數據支撐或高級語義支撐。

牛津大學計算機人工智能領域專家教授寫這本大數據書，內容簡潔充實。本書與其它牛津通識讀本比較，它居然沒有請其它專家爲之寫導論介紹。爲什麼！估計是沒有金剛鑽不攬瓷器活。這可以看成本書特點。第五章大數據在醫學領域的應用，最爲精彩特色，2017就開始關注抗流感等，例如，非洲埃博拉暴發。 另外，作者不僅從比較高的角度有歸納介紹，同時這本小冊子中居然還有不少技術領域介紹細節，例如，佩奇排名、醫學中的沃森，深網包括暗網網站，機器人和工作機會，物聯網”技術的進步，智能交通工具，智能家居與城市等。它細緻，例如，“與關係數據庫相比較，海杜普分佈式文件系統的一個主要優點是：你可以收集大量數據，並不斷添加數據，而且此時無須明瞭以後這些數據有何種用途“。“非關係型數據庫有四種主要類型：鍵值存儲數據庫、列存儲數據庫、文檔型數據庫和圖形數據庫“。並且對於上面包括雲儲存等都有描述，及簡明扼要地介紹，如此等等。 大數據可以被認爲是這個科技時代特徵，大數據爲什麼不一般的“四個主要特徵：即數量大、種類多、速度快和準確性，給數據管理帶來了巨大挑戰”。 對於大數據的處理綜合統計，學計算機及人工智能及與相關數據特殊專業四大方面有機結合領域，其最終的結果或者產品就是利用上面四個方面的技術，來更好分析預測大數據應用之結果。 她甚至介紹目前出現量子計算機及廣闊的前景。它還有大數據安全與斯諾登事件介紹。總之，願有更多的讀者來欣賞，關注這本精彩，難得無任何非話之小百科好書。 作爲一般概念性科普書，本書所涉及的內容，範圍，學問及哲學思想深度與時具進，完全可以令人耳目一新。值得擁有與收藏。大力推薦給有一定相關基礎，並且同行感興趣的讀者。相信它也更是非IT挨踢碼農人士寵物。 簡單講、現代人面對大數據，似乎如同人類二戰期間偉大俄國植物遺傳資源鼻祖科學家瓦維諾夫面對世界豐富植物遺傳資源一樣，其同一性是大數據同樣涉及到：收集，保存，評價、利用四大方面，只是在其技術領域具體詮釋理論與方法有變。本書也從上四方面, 都做了精彩有技術含量詮釋。本書五🌟星有餘。2021新年大吉！

在全世界不同的文化中，數據的收集與組織都有着悠久的歷史，甚至在計算機思想出現之前很久就已存在。但只是到了互聯網時代，日常產生的數據量纔開始變得非常巨大，而且繼續呈指數級增長，其中包括我們上傳的文件、視頻、照片、社交媒體信息、在線購物，甚至我們汽車的GPS導航數據。大數據這一術語所代表的不僅僅是一種量變，而是一種質變；其所指涉的不僅是新的技術，還有企業和政府利用它的方式。霍爾姆斯基於統計學、概率論和計算機科學，對大數據這一主題進行了概要性探討，並強調指出，大數據不僅改變了商業的運營模式，而且改變了醫療研究的進行方式。與此同時，它也引起了一些重要的倫理問題，作者據此對斯諾登事件、數據安全，以及家庭智能設備可能被黑客挾持等實例進行了討論。

#《牛津通識讀本》之94:大數據 大數據是現在的顯學，因此相比之下本書略顯一般，沒有給人耳目一新的感覺。 大數據的本質，就是通過數據挖掘，發現不同事件之間的相關性（未必是因果性），從而帶來信息革命。 回到現實世界，昨天的一個熱門話題是：國家開始立案調查著名科技公司英偉達。

牛津通識很多，這個是自己讀的三十六本了，mark一下，這裏面的內容也是自己最爲喜歡的，也就是我們當下社會最爲火熱的內容，在這裏面也是聽讀的，我們的社會隨着社會化程度的發展，似乎原來的人生不能擺脫的內容也發生了變化，除了生死和納稅之外，新時代的就是大數據了，各種數據的集合給我們帶來了若干便利，也是促進了社會經濟的發展，使得我們思維方式從因果關係的歸納，變成了數據的類聚分析，或者我們需要怎樣的方式在不確定之中找到規律，這樣可以不知道原因來得到數據，這個也是當下ai的解決問題的方式，對於醫學來說可能存在更好的解決方案，但另外一個角度來說我們成爲了透明人，數字透明，我們行爲模式從數據分析之中得到的自我，其實我們自己認知還有豐富，維度更多，因爲我們自己是被自我所侷限了，這個也就是所謂算法根據數據大數據反向來對我們的傷害，這裏面當然除了算法或者大數據分析之外，對於外賣小哥的壓榨，我們歸因於資本，但是外賣是不是一種社會服務呢，存在着社會責任不，如同當下m記的24小時服務。其實這裏也說了重點就是斯諾登事件，也算是大數據的問題之一，對於整個社會的影響也是巨大的，使得我們發現大數據的使用也是有國家的，如同我們常說技術無罪一樣的辯白。

前半本對我這個門外漢來說挺漲知識的，但也只是漲了點知識😂感覺像在看科普類公衆號推文，後半本就很多常識性的東西了。不過整本書讀起來不費力，當個休閒讀本翻一翻也還行

裏面有兩章比較專業性的東西，粗略讀過。其與生活相關的內容，實爲給人以思考。科技性質的東西，本身無道德的評判，但當被人應用時就產生了善惡，其便利性有多大，其弊端也就同比增長。在建立有共識的道德認同之前，還當審慎對待之，亦如一部汽車，追求的不僅僅是速度，還得考慮駕駛人員的安全性與與之有交集人員的安全性，等等問題都是與這部車子相關，同理，大數據更是如此，它可以方便到足不出戶而在全世界辦公，也可以將人悄無聲息的抹煞於無形。

專業術語比較多，原理部分都略略看了，關於應用的部分內容在近些年來也早就盡人皆知了，總之現在看來書裏的大部分信息都有些過時了。

字數不多，隨便看看可以