人工智能技術的大數據分析方法的研究

張忠黎

摘 要：現階段信息技術飛速發展，科技成果日新月異，各行各業重視信息技術的應用，為現代化經濟建設指明了前進的方向。本文主要提出了大數據分析方法的問題，并且詳細介紹了當前三種較為普遍的大數據分析方法，以供相關工作人員借鑒分析。

關鍵詞：人工智能;大數據;機器學習;深度學習

引 言

當前我國重視工業化與信息化建設，為我國經濟蓬勃發展注入強大力量，隨著云計算、大數據、物聯網技術的廣泛應用，在我國經濟建設中，為實現萬物互聯做出了巨大貢獻。大數據分析方法的研究工作，是當前信息技術研究的重點，并且隨著人工智能技術的發展，大數據技術將會對日常生活產生更大的影響。

1大數據分析方法問題的提出

目前，隨著我國新一代信息技術與現代制造業之間有效融合，為我國經濟發展注入了強勁動力。并且各部門重視物聯網技術的應用與創新，為實現萬物互聯做出了相應的貢獻，現階段我國已經逐步邁入工業大數據時代，重視大數據技術的應用，成為了當前我國實現工業化、現代化的重要途徑。

大數據是人類發展歷程中的重要資源，重視對大數據技術的研究工作，能夠充分發掘大數據內在的價值與科學知識，實現產業經濟的高速發展。目前，數據已經無處不在，在我國經濟發展中，可以對產業生產流程進行科學管理，從而實現產業經濟結構的調整，為我國經濟發展注入新的活力。并且，大數據技術的應用，將人工智能技術有效結合，從而將智能制造業應用于社會大生產中，為制造業的變革做出巨大貢獻。

為了實現智能制造業的應用，需要技術人員加強對大數據技術的研究工作，不斷探索大數據的分析方法，將大數據有效轉化為推動社會進步的重要力量。

2基于人工智能技術的大數據分析方法研究方向

2.1機器學習的大數據分析

機器學習是人工智能技術的組成部分之一，在現階段大數據分析技術研究中，應用機器學習已經成為了大數據分析技術中最重要的組成部分。技術人員使用機器學習技術，對于現階段大數據分析技術進行有效探討，從而提升當前工作質量，將大數據技術應用于日常生活中。研究人員對大數據的分析，主要從四個方面開始展開，分別是：大數據聚類、大數據關聯分析、大數據分類、大數據預測。研究人員在使用機器學習分析大數據技術的時候，需要結合現階段機器學習技術實際，將機器學習技術有效應用于日常生活中。

例如：研究人員在使用機器學習分析大數據的時候，使用傳統的聚類算法，將現階段大規模數據進行分塊簡化，然后將這些數據處理結果再次合并，從而實現對大數據的分析工作。其中MapReduce是現階段主流的分布式計算機框架之一，研究人員能夠借助該框架實現機器學習的數據分析工作。

在對傳統聚類算法的研究中，由于現階段數據量較大，整體研究工作較為繁瑣，是并行聚類算法，能夠有效提高計算機處理速度，從而實現對傳統大數據的分析工作。

2.2深度學習的大數據分析

現階段大數據研究工作中，重視深度學習技術的應用，為提高計算機運行質量做出相應的貢獻。深度學習是現階段人工智能技術的關鍵技術，需要企業工作人員，重視對模型訓練過程中不同的閾值與參數進行迭代運算，從而實現現階段計算機智能，能夠對這些隱層階段建立起深層網絡，逐步適應當前工作質量，為大數據分析工作指明前進的方向[1]。

目前深度學習技術的研究工作已經取得了一定的進步，為我國經濟產業發展提供了有效助力。基于Spark的分布式平臺，能夠借助內存計算，從而實現對模型參數的訓練，逐步建立起深層網絡，提高了大數據分析效率，并且為現階段大數據探究工作指明了方向。在深度神經網絡分析中，研究人員重視算法工作，并且借助信息理論，逐步適應當前工作的發展，將整體數據內部的隱層神經元個數進行明確，從而將大數據進行分塊，并且按照深度學習訓練步驟，從而實現對不同數據的迭代計算，從而改變當前工作質量，提高了深度學習模型的學習速度，并且提高了相應大數據分析技術的準確性，為實現大數據分析技術在日常工業建設中的應用做出了貢獻。

深度學習技術的應用，在應對數據規模不斷擴大的現在，發揮著重要作用。研究人員在引導抽樣工作中，引入一些算法，能夠提升當前工作質量。研究人員重視對現有大數據技術的改進工作，逐步提升整體工作的靈活性[2]。

2.3計算智能的大數據分析

在現階段人工智能技術的發展中，計算智能是計算機研究工作的重要分支，借助于現有計算智能的研究方法，能夠對大數據進行高效處理。研究人員重視傳統優化算法的使用，有效借助計算智能技術，從而實現對大數據的高效處理。

現階段基于群智能的大數據分析技術，是實現動態特性大數據分析的重要方法。群智能大數據分析方法是現階段分布式計算的重要分支，在大數據分析工作中有著廣泛應用。當前技術人員基于粒子群優化技術，能夠對大數據進行有效處理。基于數據拆分與融合策略，現階段研究人員已經實現了對不同樣本進行劃分，并且保持原有數據之間的信息傳遞，將不同子集之間進行有效融合，從而提高了大數據分析工作效率。目前，計算智能技術的使用，能夠從數據存儲與并行計算等方式，逐步建立起高效的管理機制，為大數據技術的應用做出巨大貢獻。

結 論

總而言之，現階段人工智能技術在大數據分析工作中得到了有效應用，需要技術人員加強研究工作，使用現有的大數據處理方法，為實現工業化、現代化做出相應的貢獻。當前研究工作面臨諸多挑戰，需要技術人員提高關注，逐步提升大數據分析工作質量。

參考文獻

[1] 程聰，王永根.人工智能技術的大數據分析方法探討[J].信息記錄材料，2020，21（05）：128-130.

[2] 王萬良，張兆娟，高楠，等.基于人工智能技術的大數據分析方法研究進展[J].計算機集成制造系統，2019，25（03）：529-547.