智能采集系统(智能采集系统更深层次的看其实是大数据系统)

　　智能采集系统(智能采集系统更深层次的看其实是大数据系统)

　　智能采集系统更深层次的看其实是大数据系统在采集数据的过程中，会产生各种误差以及收敛数据，统计学工具对误差的处理有很多：近似处理，最小值，最大值处理（经典的雅可比检验的最小值检验），error-statistic，machinelearning处理误差等。这些处理方法最初都是出自统计学家，比如mercer(airbnb的数据）。

　　然而，近两年在国内大数据的火热，大量的从业者会开始接触深度学习。统计学家，数据学家向数据科学家转型。许多顶尖的数据科学家同时也是大数据工程师。近几年，oracle开始崛起，而sql已经处于落后，而python已经成为潮流。所以，如果想深入了解数据科学领域的内容，需要深入学习python的原理，和代码实践。

　　我个人是建议python深入学习的，我们数据科学的一条路，可以是深度学习方向，可以是机器学习方向。另外，大数据集群的部署的一些问题，学习tensorflow，google开源的tensorflow等深度学习框架。

　　并不会吧，如果业务量不是特别大，就不会考虑对性能有太高要求的软件。如果你是想用云上的机器跑跑python程序，那么会有做基础架构好多开销，不过价格肯定要高不少。如果想问价格，那么很明显这样的回答没法回答了。用于生产的软件，成本还是比较高的，而且风险也会更高，毕竟生产环境用户不同，有的负载不够，你可能得对一台机器修改生产，可能有的业务量比较大的订单比较多，你需要安排多台机器做负载分担，当然这也是在能接受性能不足的前提下。

　　最关键的是，还是要看你的业务对性能和成本的要求，如果原来实现计算性能能满足业务需求，你就不需要再用高性能的服务器，如果你不适合这种硬件，那么你也不需要转向云上服务器。当然，如果你只是为了考试以及oj刷题，说实话，你让阿里云给你做测试，你也肯定做不出来。