探索大数据和人工智能参考答案
1、下列选项中，不是大数据发展趋势的是？
A.大数据分析的革命性方法出现
B.大数据与云计算将深度融合
C.大数据一体机将陆续发布
D.大数据未来可能会被淘汰
2、2012年7月，为挖掘大数据的价值，阿里巴巴集团在管理层设立（）一职，负责全面推进“数据分享平台”战略，并推出大型的数据分享平台。
A. 首席数据官
B. 首席科学家
C.首席执行官
D.首席架构师
3、在Spark的软件栈中，用于机器学习的是
A. Spark Streaming
B. Mllib
C. GraphX
D. SparkSQL
4、MPP是指？
A. 大规模并行处理系统
B. 受限的分布式计算模型
C.集群计算资源管理框架
D.分布式计算编程框架
5、以下哪个场景可以称为大数据场景？
A.故宫游客人数
B.故宫门票收入
C.美团APP的定位信息
D.文章内容
6、以下应用没有使用你的地理位置信息的是？
A. 美团
B. 滴滴
C. 高德地图
D. Word
7、Hadoop是（）年诞生的？
A. 1985-1985
B. 1995-1996
C. 2005-2006
D. 2015-2016
8、HBASE的特点不包括哪些？
A. 面向行
B.稀疏性
C. 多版本
D.高可靠性
9、整个MapReduce的过程大致分为Map、Shuffle、Combine、（）？
A. Reduce
B. Hash
C. Clean
D. Loading
10、Flume采用了三层架构，分别为agent，collector和（）
A. Map
B. storage
C. Shuffle
D. Hash
11、在Spark的软件栈中，用于交互式查询的是
A. SparkSQL
B. Mllib
C. GraphX
D. Spark Streaming
12、下列选项中能够正确说明大数据价值密度低的是？
A. 100TB数据中有50TB有效数据
B. 1TB数据中有1KB有效数据
C. 100PB数据中有100PB有效数据
D. 10EB数据中有10EB有效数据
13、IBM的（）是第一个在国际象棋上战胜人类棋手的人工智能计算机。
A. AlphaGo
B. 深蓝
C. 图灵机模型
D. 深度学习机器人
14、下列选项中，不是人工智能的算法中的学习方法的是？
A. 重复学习
B. 深度学习
C.迁移学习
D.对抗学习
15、对抗学习中两个网络互相竞争，一个负责生成样本，那么另一个负责做什么？
A. 判别样本
B. 计算样本
C. 统计样本
D. 生成样本
16、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，请问它的英文缩写是？
A. AI
B. BI
C. AL
D. AF
17、下列选项中，哪项是由谷歌开发的人工智能算法框架？
A. Kafka
B. Tensorflow
C. Caffe
D. Torch
18、语音识别产品体系有四部分，下列哪项不是体系之一？
A.语音合成
B.语音播放
C.语音识别
D.语义理解
1、人工智能目前在以下哪三个领域有了长足的发展？
A.健康
B.教育
C.探索太空
D. 理财
2、以下哪两个属于大数据特征？
A.数据体量大
B.价值密度高
C.数据种类多
D.处理速度慢
3、在非电信领域，大数据可被应用到的以下哪些方面？
A.公共安全
B.无明显应用
C.智能运输
D.智能建筑
4、人工智能技术的基础设施不包括哪两部分？
A.系统应用
B. 机器学习算法
C. 基础硬件
D.算法框架
5、人工智能关键技术的基础设施中包含下面哪两项？
A. 算法框架
B.基础硬件
C.人员
D.机器学习
6、大数据生态中，算法模型分为两代，那么第二代算法模型的两种代表是？
A. Tez
B. Spark
C. Pig
D. MapReduce
7、HBase是在Hadoop之上构建的开源分布式结构化数据存储系统，它有哪些特点？
A.非关系型
B. 面向列存储
C.关系型
D. 面向行存储
8、Flume采用了三层架构，每一层均可以水平扩展，它们分别是？
A. agent
B. collector
C. storage
D. Source
9、业务运营监控，可以基于大数据分析从下列哪三个维度为运营商监控管道和客户运营情况？
A. 网络
B.业务
C. 气候
D.用户
10、以下哪两项是人工智能发展的标志性产品？
A.深蓝
B. alphago
C.智能门禁
D.智能手机
11、通过地理位置信息可以分析出哪些信息？
A.颜值
B.家庭住址
C.工作地址
D.体重
12、以下应用使用了你的地理位置信息的是？
A.滴滴
B.百度地图
C. word
D. excel
探索大数据和人工智能参考答案 1、下列选项中，不是大数据发展趋势的是？ A.大数据分析的革命性方法出现 B.大数据与云计算将深度融合 C.大数据一体机将陆续发布 D.大数据未来可能会被淘汰 2、2012年7月，为挖掘大数据的价值，阿里巴巴集团在管理层设立（）一职，负责全面推进“数据分享平台”战略，并推出大型的数据分享平台。 A. 首席数据官 B. 首席科学家 C.首席执行官 D.首席架构师 3、在Spark的软件栈中，用于机器学习的是 A. Spark Streaming B. Mllib C. GraphX D. SparkSQL 4、MPP是指？ A. 大规模并行处理系统 B. 受限的分布式计算模型 C.集群计算资源管理框架 D.分布式计算编程框架 5、以下哪个场景可以称为大数据场景？ A.故宫游客人数 B.故宫门票收入 C.美团APP的定位信息 D.文章内容 6、以下应用没有使用你的地理位置信息的是？ A. 美团 B. 滴滴 C. 高德地图 D. Word 7、Hadoop是（）年诞生的？ A. 1985-1985 B. 1995-1996 C. 2005-2006 D. 2015-2016 8、HBASE的特点不包括哪些？ A. 面向行 B.稀疏性 C. 多版本 D.高可靠性 9、整个MapReduce的过程大致分为Map、Shuffle、Combine、（）？
A. Reduce B. Hash C. Clean D. Loading 10、Flume采用了三层架构，分别为agent，collector和（） A. Map B. storage C. Shuffle D. Hash 11、在Spark的软件栈中，用于交互式查询的是 A. SparkSQL B. Mllib C. GraphX D. Spark Streaming 12、下列选项中能够正确说明大数据价值密度低的是？ A. 100TB数据中有50TB有效数据 B. 1TB数据中有1KB有效数据 C. 100PB数据中有100PB有效数据 D. 10EB数据中有10EB有效数据 13、IBM的（）是第一个在国际象棋上战胜人类棋手的人工智能计算机。 A. AlphaGo B. 深蓝 C. 图灵机模型 D. 深度学习机器人 14、下列选项中，不是人工智能的算法中的学习方法的是？ A. 重复学习 B. 深度学习 C.迁移学习 D.对抗学习 15、对抗学习中两个网络互相竞争，一个负责生成样本，那么另一个负责做什么？ A. 判别样本 B. 计算样本 C. 统计样本 D. 生成样本 16、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，请问它的英文缩写是？ A. AI B. BI C. AL D. AF 17、下列选项中，哪项是由谷歌开发的人工智能算法框架？ A. Kafka
探索大数据和人工智能 1、2012 年 7 月,为挖掘大数据的价值 ,阿里巴巴集团在管理层设立 ()一职 ,负责全面推进“数据分享平台”战略 ,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个 MapReduce的过程大致分为Map 、 Shuffle 、 Combine 、()? A.Reduce B.Hash C. Clean D. Loading 3、在 Spak 的软件栈中 ,用于交互式查询的是 A.SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处 ( ) 理时间是什么关系 ? A数量越多处理时间越长
B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系 5、下列选项中 ,不是 kafka 适合的应用场景是 ? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构 ,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中 ,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习
8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传統的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类 ,标签为连续的类型,称为什么? A.给定标签 B.离散 C.分类 D.回归 10 、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B.OneNET C.移娃 D.大云 11 、HDFS 中 Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据
大数据、人工智能与人类未来 从古代猿人到现代智人，从小型部落到特大城市，从物物交换到虚拟货币，人、社会、商业从没停止过演进的步伐。随着移动互联网、物联网、大数据、区块链、虚拟现实、人工智能、基因技术、纳米科技等新技术的层出不穷，一场以大数据和人工智能为代表的智能革命正在悄然发生，人、社会、商业又一次迎来了进化拐点。 未来人类进化的方向是什么？人工智能的发展将会给社会带来怎样的冲击？它会和人类和谐共处还是会取代人类？智能和意识如果可以分离，他们孰轻孰重？假使技术的发展使得人类大规模失业，我们到时该如何自处？在新技术的冲击下，未来商业形态又会向何处演化？ 一、人工智能与人类未来 《未来简史》作者尤瓦尔·赫拉利认为人类的发展已经来到了巨变的前夜。从四十亿年前地球上诞生生命直到今天，生命的演化都遵循着最基本的自然进化法则，所有的生命形态都在有机领域内变动。但是现在，人类第一次有可能改变这一生命模式，进入智能制造和设计的无机领域。 “随着大数据的不断积累以及计算能力的快速发展，未来人类可能会越来越多地将自身的决策权让位给无意识的算法，让算法替自己决定该买什么东西，应该接受什么治疗以及应该和谁结婚。当权威从
人类转移到算法的同时，人工智能也会将数十亿的人赶出就业市场，使得人类产生大规模失业。他以自动驾驶汽车以及精准化医疗为例，生动地展现了人类在和机器竞争工作过程中的优势和劣势。” 甚至，“一旦那些失业的人真的再无经济价值，无法为社会的繁荣做出任何卓有成效的贡献，他们便会沦为无用阶层。而到那时候，以政府为代表的精英阶层也许会在他们身上放弃投资医疗和教育，他们将被整个社会系统彻底抛弃。” 二、人工智能与社会以及商业的未来 每一次社会的转型都会带来机会与挑战。互联网和数据正在改变我们的时代，世界的主导力量正在由工业时代的资源品和资本，向数据经济时代的数据和算法演进。 商业进化是否也跟人类进化相似，99%的商业组织都会成为附庸或者无用？如果未来进化到中心化商业形态，由此引发的基于数据、技术和商业模式的垄断会比过去按照行业和地域划分的垄断对商业社会带来更大的影响。高度中心化的商业体系将大大降低整个商业系统的容错和纠错能力。而泛中心化的未来商业，是一个多中心且中心动态均衡化的商业形态，并指出未来商业组织的三点生存之道，即三I理论：独立（Independence）、融合(Integration)以及智能(Intelligence)。 与此同时，随着人工智能和生物技术的发展，社会阶层对于人工智能与人类的未来，以及对社会的影响，已经在人工智能领域研究长
伴随着大数据时代的到来，人工智能技术的火热，很多人开始了对大数据、人工智能技术的研究。 2018 年1 月教育部印发的《普通gao中课程方案和语文等学科课程标准》新加入了数据结构、人工智能、开源硬件设计等AI 相关的课程。这意味着职场新人和准备找工作的同学们，为了在今后十年内不被淘汰，你们要补课了，从初中开始。 但时光一去不复返，对于已经升入大学，但还没有接触到大数据、人工智能技术的小伙伴又该怎么办呢？面对诱人的就业前景，正在向你招手的大好机遇，怎么能不心动？怎么能不想踏入这两大行业？ 据数据统计分析，大数据人工智能尖端人才远远不能满足需求。行业风口的人工智能，在中国人才缺口将超过500 万人，而中国人工智能人才数量目前只 有5 万（数据来自工信部教育考试中心）。 并且目前岗位溢价相当严重，2017 年人工智能在互联网岗位薪酬中位列第三，月薪20.1k，如果按照普遍的16 月薪酬计算，那么人工智能在2017 年一年的薪酬就是2.01*16=32.16 万。那么再来看一组2018 的薪酬数据：
所以如果你对自己的专业/工作不满意，现在正是进入人工智能ling域学习就业/转业的绝佳时机。 在面对众多的数学知识和编程知识里，自学会让大家耗费大量的时间金钱。因此，课工场成都基地大数据培训教育学院2018 重磅推出大数据人工智能课程，采用“T”字形的思维，以大数据的深度为主，以机器学习、云计算等作为宽度，相辅相成。成就无数大学生进入大数据人工智能ling域的梦想。 此外课工场成都基地大数据课程定期组织与一线名企的工程师进行面对面的就企业当下的项目讨论与研发，进而验证所学技术的正确方向。从宏观上讲述了大数据的特点，商业应用，发展和职业前景。然后对主流数据技术和生态圈进行了介绍，了解其他和大数据技术之间关系，然后对不同类型的大数据的分析和处理系统，解决方案和行业案例进行剖析和讲解。 以北京的中关村、西二旗等IT 公司密集的公司为技术背景，数据来源于一 线互联网公司的源数据，有一定的商业价值，并严格把控实际项目的前瞻性，如：Spark 的版本迭代，机器学习中的算法革新。学员实战项目贯穿整个教学环节，潜移默化的培养学生放眼全局，排查技术难点，既能独立思考，又能组织团队开发。 希望能帮到大家。
中国移动企业级大数据中心建设指导意见 为进一步提高中国移动互联网战略的服务能力，对驱动企业管理的精细化、智能化，对外提供信息服务型产品，实现大数据开放后的运营和服务提升，公司决定在全国围实施中国移动企业级大数据中心建设工作，通过整合全公司数据资源，盘活数据资产，助力公司第三条曲线的拓展，以服务“增效、外增收”的整体企业战略，保证中国移动在激烈市场竞争中的可持续发展。 一、建设要求与重点 企业级大数据中心作为中国移动唯一、统一的数据采集、处理、服务和运营的平台，通过“统一采集、统一存储、统一管理、统一运营和统一服务”，形成集团及各省市公司“多节点”、“网状网”形态的数据和服务共享能力；具备独立机构以承担平台建维、数据交换、资产管理、应用开发、数据服务和数据运营职责。为企业、外部客户提供“按需”的服务能力，辅助企业决策，彰显数据价值。 企业级大数据中心的建设要求包括三方面： （一）建好组织：建立相对独立的、专业的企业级大数据中心管理机构，立足公司全局，全面负责企业级大数据平台的规划、建设、运维，以及数据资产管理、产品开发和数据运营等职能。 （二）搭好平台：企业级大数据中心满足中国移动全部数据“统一采集、统一存储、统一管理、统一运营、统一服务”的要
求，实现逻辑集中；全部数据的采集、处理和存储分布于多个节点，进行物理分散，同时实现关键数据资产的异地容灾备份。 （三）做好服务：企业级大数据中心能为集团各部门、专业基地（位置等）、专业公司（咪咕、互联网、政企、在线服务、物联网等）、各省公司及外部行业提供灵活的“按需”服务。 二、建设重点 企业级大数据中心建设重点要求如下： （一）企业级大数据中心的能力要求 为了承接大数据中心的基础平台管理、数据交换、资产管理、应用开发、数据应用、数据运营六个职责，在大数据平台技术架构层面提供数据基础服务能力、系统平台管理能力、数据资产管理能力和应用共享开放能力四个部分： 数据基础服务能力：数据基础服务能力是大数据平台的基础，包含数据采集功能、数据存储运算功能、数据交互功能。数据采集需包括来自BSS、OSS、MSS的基础数据、来自于用户上网行为的DPI二次解析数据以及来自外部的第三方数据的数据采集。数据存储运算功能可根据数据类型及应用采用不同类型的数据库技术实现对不同价值、规模、时效性的数据差异化存储和运算。数据交互功能是实现不同形式的数据存储之间的数据交互。 系统平台管理能力：大数据平台需具备系统平台管理能力，提供对大数据平台的软件和硬件资源的管理，包括诸如资源管
拓尔思总裁施水才在第七届中国智能产业高峰论坛作主题报告 发布时间：2017-10-16 2017年10月12日-13日，由中国人工智能学会主办的CIIS2017第七届中国智能产业高峰论坛在广东顺德隆重举行。本届高峰论坛以“创新、协调、绿色、开发、共享”为主题，中国人工智能学术界和产业界著名学者、顶级专家和业界精英近300人齐聚一堂，共同探讨人工智能发展的科技创新与行业变革战略，破解人工智能创业和商业模式的密码。李德毅院士、李伯虎院士、清华大学孙富春教授、拓尔思总裁施水才在大会上作主题报告，施总的演讲主题是“大数据和人工智能产业发展的思考”。 施总在大会上发表主旨演讲 以下是精彩要点： 大家上午好。非常感谢中国人工智能学会邀请我在大会上做分享报告。今天我想给大家分享一下对于大数据和人工智能产业的发展思考。 第一点，我认为大数据和人工智能产业进行比对非常有意义； 第二点，针对“人工智能+行业”和“行业+人工智能”，谈一下个人理解和认识；
第三点，我认为对于未来人工智能的研究和应用，仅有计算能力、数据和算法是不够的，需要加入其他重要因素； 第四点，探讨人工智能现在的几个方向中，哪些还有大机会； 最后，讲一讲拓尔思基于NLP平台的一些人工智能应用实践。 大数据对人工智能产业的四大启示 一方面，人工智能产业的发展和数据密不可分，另一方面，数据驱动的商业比智能驱动的商业更符合产业本质，大数据产业的落地能力强于人工智能产业，因此观察大数据产业发展对人工智能产业很有意义。 目前大数据产业发展处于非常早期的阶段，仍然是大数据投资和创业的最好时机，但数据魔咒难破局，数据霸权、数据质量、灰色数据等问题凸显，中国大数据变现之路是垂直行业下的场景服务。 大数据对人工智能产业发展的启示：人工智能产业仍处于非常早期的阶段；数据的重要性不容置疑，但问题也不少；应用场景才是驱动力；垂直行业才是大部分参与者的机会所在。 行业+人工智能是智能产业发展的主流 在智能产业发展中，“行业+人工智能”占了90%，而“人工智能+行业”则占10%，可以看出，“行业+人工智能”仍然是智能产业发展的主流。
探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系
5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?
A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源
大数据时代带或了大数据这个行业，同时也将人工智能这个词代入了人们的视野。从名字上看，大数据更偏向于数据的挖掘、处理、分析，商业决策用到的比较多。而人工智能似乎在人们的生活中用到的比较广泛。 随着大数据的发展，可能有些机器人做的特别像人类，那它是不是可以代替演员?它可以一个场景一个场景给你表演它不需要说什么台词，只要它的关节够灵活，表情够丰富，而且它可以24小时给你表情不休息。 微博已经出现换脸技术，要是没看过原来的版本，你根本看不出被换过了。所以大数据和人工智能这种技术对未来行业影响是非常大的，特别是重复性劳动行业。 但是用脑子的行业是不会被淘汰，这个行业包括数据分析师。因为复杂的情况下进行分析还是要靠人脑！因为机器是对过去的一个学习。围棋被机器人打败
了，是因为围棋有规律可循，有规律的东西机器都好学，无规律的不好学。 学数据分析，你肯定要了解一个行业的本质，但是这个本质是会一直变的，可能这个行业今天是这个情况，可能过两三年它又发展到另外一个阶段，这个是机器无法预测的。 但假设机器可以预测，假设机器智能到一定程度可以自主学习，机器的特点是往优化的的方向去做，但是人类社会并不是，人类社会是谁厉害就听谁的，就像我们国家出现过那么多的朝代，我们都是听从那个朝代的老大的，我们自己也不知道下一个老大是谁，所以人类的发展是不可预测，它有必然性也有偶然性。 说完了数据分析，那让我们来看看人工智能对生活的贡献有哪些 说起人工智能，人们往往会想到智能家电，智能家居，机器人等。其实，你看到的只是冰山一角。真的人工智能是和大数据分不开的。可以说，人工智能是大数据的更深层次的应用。 我们不能把人工智能这项技术具体到一个家电或者一个机器人，其实，人工智能已经无形的深入到我们生活的每个角落。不知道你有没有发现，在你浏览一些网页的时候，你会发现在页面的某一角落，出现了你近期在某宝上搜索过的商品。你在一些平台浏览新闻时，页面上出现的新闻全部是你感兴趣的话题。在观看视频时，你的页面和其他人的也不一样，系统会推荐你们各自感兴趣的视频。这些推荐功能其实就是“智能化”的一些体现了。而所谓的“人工”其实指的就是你。是你教会了你的电脑、手机。让它们更了解你的喜好，统计了你的浏览记
大数据，数据分析和人工智能方向就业前景 大数据和人工智能是两个联系非常紧密的专业，人工智能必须有大数据的支撑，因为人工智能需要数据建模、分析，再加上机器学习的东西才能做好。那么什么是大数据呢？顾名思义大量的数据。其实大数据并不仅仅是因为大，才称之为大数据，它还有很多纬度，也就是数据的多样性，再加上大量。数据有很多层次，所以在筛选分析数据的时候，需要很多的算法、数据结构的设计。这一块儿需要很深的技术基础知识，如果你做这个做得很好的话，说明你的计算机相关的知识是很棒的，所以找工作没有任何问题，如果这一块儿只是合格的话，能做的工作像软件方面的，或者是数据分析方面的，或者是算法设计方面都可以找到很好的工作。像人工智能发展的话，相对比较偏向应用这方面，数据是基础，人工智能只是个表象，人工智能还和物联网关联非常紧密，比如说现在有些小的物件，如智能手表，可以做很多手机上能做的事情，添加了很多计算的功能，然后以此为基础电视上也可以做很多东西，吸尘器也可以做很多东西。现在比较好的人工智能产品是一个称之为i robot的扫地机器人，在市场上是非常火热的，它可以自己启动，人不在家的时候打扫卫生，这就避免了它工作时的噪音问题，这就属于人工智能领域，在家庭里面的一个很好的应用。类似产品的开发需要大量的专业人才，如果你是人工智能专业的话，就有很多的就业机会，人工智能这一块儿的发展可以说未来十年甚至20年甚至更长时间都是一个热门的发展。这里面涉及的东西非常多，比如说我们现在用的比较多的刷脸，就是通过摄像头来捕捉你的、
脸，还有指纹输入、身份的信息捕捉等相关的技术，如果有大量数据的话，人工智能的分析可以很快速，比如辨认你是什么人、做哪个行业的等这些相关的信息可以帮你计算啊的，再比如说你的兴趣爱好，你将来的发展规划，可能会给你大体估算出来。你将来要做些什么？这都是人工智能领域。给人类提供了一些帮助，人工智能方面有很多个分支，以上说的都是一些小分支。大的分支像自动驾驶，一个汽车作为一个机器人在大街上出现，可以自主上路，你只需要在手机上按一个按钮，点一辆车让它过来接你。这是非常方便的一种生活状态。 以上就是大数据和人工智能的联系，希望帮到你。
中国移动和健康医疗大数据解决方案1 中国移动和健康医疗大数据解决方案 背景 随着医疗行业的改革，“互联网+医疗”的发展，信息技术的进步，特别是云计算、物联网、大数据等新兴技术的发展，推动医疗行业迈向新的阶段。如何把医疗大数据转换为经济价值，关键是怎么能够提取出与诊疗有关的数据。医疗行业的大数据集量大且繁杂，其中蕴含的信息价值也多样且丰富，如果能够对其进行有效的存储、处理、查询和分析，那么就可对于小到辅助某个临床医生做出更为科学和准确的诊断和用药决策，或帮助某个医院根据患者潜在需求开发全新个性化服务及自动服务，大到帮助相关研究机构突破医疗方法和药物革新，或支持地区甚至全国医疗行业主管部门优化医疗资源及服务配置，提供前所未有的强力支持。 中国移动对于和健康的分析如下：医疗大数据平台需要提供长周期的数据存储能力；提供数据获取、存储、处理等服务能力以及提供大数据应用服务。 典型案例 和健康医疗数据通常来源于诸如公共卫生系统、院内系统、区域卫生平台等，数据规模不一，类型复杂。有的公卫系统相对独立，其数据量相对较小，通常情况下，单一公卫系统中一年的数据规模约为10T；院内系统的应用类型繁多，诸如CISC、PACS 等均会产生大量的数据，普通三甲医院的数据规模约为几十T；
和健康是基于EMR（个人电子病历）及EHR（个人健康档案）建立的，其数据量比上述两种系统的总和还要庞大，通常的市级区域卫生平台的一年的数据规模约为上百T。根据日趋完善的国家标准，各系统产生的数据格式也日趋标准，但由于医疗的业务系统诸多，数据类型也呈现多样化趋势。不仅仅具有病人主索引系统中的结构化数据，PACS系统中还存在Dicom、JPG的文件，手术系统中还会有视频文件，用于病历中的XML文件也是医疗应用中重要的数据类型之一。 中国移动企业行业移动信息化解决方案-信 息化企业1 中国移动企业行业移动信息化解决方案-信 息化企业 一、企业短信应用 短消息作为移动通信中即时、高效、廉价的通信方式，已经越来越多的走入了人们的生活，成为一种新的沟通方式。同样，短消息在行业和企业客户中具有广泛的应用：首先，员工使用手机来接收企业的办公信息，如邮件、公文、会议、日程、财务、报销等提醒通知，员工在外工作时可以使用短消息查询企业内部的通信簿、数据库信息；企业还可以将自己的信息直接发送给客
面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通
中国移动视频大数据发展分析2017本产品保密并受到版权法保护 2017.10 如需免费获取本完整版分析请关注易观订阅号 后台回复“移动视频大数据“获取。 更多最新内容尽在 (ID：enfodesk)
分析说明 l大数据：大数据是一个伴随社会信息化而诞生,以海量数据(主要特征包括数量大、种类多、处理速度要求快、以前没有或无法获取且现在正不断生成)积累为基础，囊括无数条“数据产生-数据处理-信息提取-数据消费-新数据生产”的环状链，以降低信息不对称、提高决策有效性、推进智慧和知识演进为目标，可广泛作用于几乎所有实体的跨界生态系统和发展趋势。l移动视频大数据：指在移动端视频观看过程中，用户自身价值及观看产生的行为数据，通过用户数据价值的挖掘，有利于视频网站了解用户需求，实现精细化运营。 分析范畴 l本次分析内容主要针对中国大数据、 移动视频大数据市场进行分析。 l本次分析内容涉及的关键字为：大 数据、移动视频、云计算等。 l本次分析的国家和区域主要包括： 中国大陆，不包括港澳台地区。 数据说明 l数据说明：易观根据市场公开数据 和行业访谈以及相关数据模型估算。 分析定义
目录 CONTENTS 01 大数据产业发展现状 02 移动视频大数据的发展与应用 03 典型代表厂商分析 04移动视频大数据未来发展趋势
? Analysys 易观https://www.doczj.com/doc/036663920.html, PART 1 大数据产业发展现状
国外大数据产业发展较快，在物联网、人工智能技术推动下，数据量快速壮大，大数据市场高速发展 云用于大数据应用成为企业关注重点 281亿 美元 4万艾 字节 2016年，全球大数据 硬件、软件和服务整体 市场增长22%达到281亿美元（Wikibon） 2020年全球所产生 数据量将达到近4万艾字节（IDC）大数据软件细分市场快速增长 物联网推动海量数据产生，传感器成为物联网数据的重要采集方法 全球主要大数据公司：国外相继将大数据列为国家发展战略 网络安全问题凸显
《探索大数据与人工智能》习题库 单选 1、Spark Streaming是什么软件栈中的流计算? A. Spark B. Storm C. Hive D. Flume 2、下列选项中,不是大数据发展趋势的是? A. 大数据分析的革命性方法出现 B. 大数据与与云计算将深度融合 C. 大数据一体机将陆续发布 D. 大数据未来可能会被淘汰 3、2011年5月是哪家全球知名咨询公司在《Big data: The next frontier for innovation, competition and productivity 》研究报告中指出,数据已经渗透到每一个行业和业务职能之中,逐渐成为重要的生产因素的? A.比尔·恩门 B. 麦肯锡 C. 扎克伯格 D. 乔图斯 4、以下哪个属于大数据在电信行业的数据商业化方面的应用? A.精准广告 B. 网络管理 C. 网络优化 D. 客服中心优化 5、以下哪个不属于大数据在电信行业的应用? A.数据商业化 B. 物流网络 C. 企业运营 D. 客户关系管理 6、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。
A.首席数据官 B. 首席科学家 C. 首席执行官 D. 首席架构师 7、下列选项中,不是kafka适合的应用场景是? A.日志收集 B. 消息系统 C. 业务系统 D.流式处理 8、下列选项中,哪个不是HBASE的特点? A.面向行 B. 多版本 C. 扩展性 D. 稀疏性 9、在数据量一定的情况下,MapReduce是一个线性可扩展模型,请问服务器数量与处理时间是什么关系？ A.数量越多处理时间越长 B. 数量越多处理时间越短 B.数量越小处理时间越短D.没什么关系 10、在Spark的软件栈中,用于机器学习的是 A.Spark Streaming B. Mllib C. GraphX D.SparkSQL 11、Spark是在哪一年开源的? A.1980 B. 2010 C. 1990 D. 2000 12、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是? A结构化数据B. 非结构化数据C. 半结构化数据D. 全结构化数据
中国移动网优大数据安全管理办法 （征求意见稿） 中国移动通信集团公司网络部 二〇一六年八月
第一章总则 第一条近年来随着集中优化的不断深入，所涉及的IT系统不断增多，数据范围不断扩大，加强无线优化相关数据管理，防控 因为数据外泄给企业带来的可能风险和损失变得尤为重要。 总部网络部参照集团公司相关管理办法制定了本管理办法。第二条本管理办法适用于中国移动各省、市、自治区网优中心及相关合作单位（以下统称“各单位”）。 第三条本管理办法所称的网优大数据安全是指对各单位使用网优平台、资管平台、话务网管、主设备厂家OMC、自动路测平 台、信令监测平台、大数据应用平台、经分系统等平台中的 工程参数（基站天线高度、经纬度、方向角等位置信息）、 网络参数、性能指标、测试指标及文件、信令数据（S1_MME、 S1_U、Uu、X2接口的信令、MR）以及通过关联分析产生的精 确位置信息等数据进行安全管控。 第四条各单位应加强网优大数据安全管理，围绕数据采集、传输、存储、使用、共享、销毁等各个环节，对可能存在数据外泄 风险的环节及相关责任人员，尤其针对可能含有用户号码、 位置、通话及上网记录等敏感信息的信令XDR数据，建立网 优大数据安全责任体系，健全网优大数据安全管理制度，完 善防护措施和技术手段；同时对公司内外部人员开展网优大
数据安全意识教育，建立常态化的监督检查机制，深化落实 网优大数据安全责任，确保管理制度及安全防护手段的有效 落实。 第五条网优大数据安全管理应遵循如下原则： 应明确网优大数据安全管理职责，“谁主管，谁负责；谁运营，谁负责；谁使用，谁负责；谁接入，谁负责”。 （一）所有无线优化专业使用的各类数据，均由省网优中心统一负责，地市或其他单位应经省网优中心授权方可应用上述数据； （二）对于无线专业自身的工程参数、网络参数、MR、性能指标、Uu口信令等数据，省网优中心应负责数据生成、存储、传输、应用、共享、销毁等全部环节的安全管理；对于源自统一DPI、性能管理、信令平台、经分等系统中的数据，网优中心应严格遵从相关单位在数据安全等方面的要求，从支撑网优生产的实际需求出发，严格控制数据提取的范围、频次以及关键字段等内容； （三）在网优大数据的使用方面，应做到核心数据不出机房，数据清洗处理均应在网优中心内部进行，并做到核心数据“先脱敏，再使用；用多少，取多少”； （四）对网优平台、主设备厂家OMC-R以及其他平台的操作维护必须通过4A管控，严格防控直连设备操作。 （五）在账号权限设置、弱口令检测、远程访问等方面加强安全管理，定期重设口令，不再需要的账号及时删除。
龙源期刊网 https://www.doczj.com/doc/036663920.html, 大数据时代人工智能的创新与发展研究 作者：徐卓函 来源：《科技资讯》2015年第33期 摘要：大数据和人工智能是今天计算机学科的两个重要的分支。近年来，有关大数据和 人工智能这两个领域所进行的研究一直从未间断。其实，大数据和人工智能的联系千丝万缕。首先，大数据技术的发展依靠人工智能，因为它使用了许多人工智能的理论和方法。其次，人工智能的发展也必须依托大数据技术，需要大数据进行支撑。大数据时代背景下，未来人工智能会有哪些创新和发展，大家拭目以待。 关键词：大数据人工智能云计算数据挖掘机器人人工神经网络 中图分类号：TP18 文献标识码：A 文章编号：1672-3791（2015）11（c）-0030-02 1 什么是大数据 1.1 大数据的定义 大数据是一个数据体量和数据类别都十分庞大的数据集。这个庞大的数据集，我们今天还无法用传统的数据库工具对它的内容进行获取和处理。整体概括起来，大数据具有数据类型多、数据规模大、数据真实性高、数据处理快等四大特征。 大数据的特征：第一，是指数据类型非常多，它的数据来自多种数据源，而非单一的一种数据源，数据的种类和数据的格式日渐丰富；第二，是指数据规模非常大，通常在10TB左右，规模非常庞大；第三，是指数据的真实性非常高，一些新的数据源渐渐兴起，打破了之前传统的数据源，今天的企业愈发需要这些有效的信息，以确保其真实性及安全性；第四，是指数据处理的速度非常快，能够做到数据的及时快速处理。 1.2 大数据的发展历程 “大数据”一词最早提出的是麦肯锡研究院于2011年发布的研究报告《大数据》。之后，经美国高德纳公司和美国一些科学家的宣传推广，渐渐地大数据概念开始流行起来。 大数据发展的萌芽期，是20世纪90年代至21世纪初，此时处于数据挖掘技术阶段。这一时期，随着数据挖掘理论和技术的一步步成熟，已开始有一些与商业相关的智能工具开始被人们所应用，如专家系统、数据仓库和知识管理系统等。 大数据发展的突破期，是2003—2006年，此时处于自由探索非结构化数据阶段。这一时期，非结构化数据的迅猛发展带动了大数据技术的快速发展。此时，可以以2004年Facebook 的创立为标志，此时是大数据发展的突破期。
探索大数据和人工智能 1、2012 年7 月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A 首席数据官 B. 首席科学家 C. 首席执行官 D. 首席架构师 2、整个MapReduce 的过程大致分为Map 、Shuffle 、Combine 、()? A. Reduce B. Hash C. Clean D. Loading 3、在Spak 的软件栈中,用于交互式查询的是 A. SparkSQL B. Mllib C. GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce 是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A 数量越多处理时间越长 B. 数量越多处理时间越短 C. 数量越小处理时间越短 D .没什么关系
5 、下列选项中,不是kafka 适合的应用场景是? A. 日志收集 B. 消息系统 C. 业务系统 D. 流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A. 结构化数据 B. 非结构化数据 C. 半结构化数据 D. 全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A. 重复学习 B. 深度学习 C. 迁移学习 D. 对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A. 机器性能 B. 语言歧义性 C. 知识依赖 D. 语境 9、传統的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学
习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么? A. 给定标签 B离散 C. 分类 D. 回归 10 、中国移动自主研发、发布的首个人工智能平台叫做() A九天 B. OneNET C. 移娃 D. 大云 11 、HDFS 中Namenodef 的Metadata 的作用是? A. 描述数据的存储位置等属性 B. 存储数据 C. 调度数据 D. 12 、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A 大数据技术 B. 互联网技术 C. 游戏技术 D .影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT 厂商正在改变商业模式,向着什么靠拢?
大数据分析与人工智能 大数据与人工智能 我们都知道，其实很多的人工智能、机器智能，或者驱动一个数字世界的自动化，都需要模型。在过去的很长一段时间内，这些模 型因为数据的不足，通常只能做一些小的模型或者浅的模型，但特 别在过去的两三年里，在机器学习领域有了突飞猛进的发展，可以 构建更大、更深度的模型。 另外是知识挖掘，知识挖掘是怎样在互联网上大规模进行的?在 这些结构化、半结构化的数据中构建人类最完整的知识表达，一旦 我们掌握了这样的表达，我们就可以对很多的数据做更深度的理解。 软件产业新时代 微软为什么看重大数据?微软是从一家软件企业开始的，在30年前，微软就知道软件会改变全世界，软件几乎可以做所有的事情。 但今天，软件的时代已经不一样了。过去是程序员写，接下来的软 件是靠数据，靠机器学习，自动写出软件。这意味着什么?当你拥有 更大的数据的时候，软件就更强大，软件的性能就更好。大数据加 上机器学习，这代表了软件产业一个新时代来临：不再是人写软件，是数据加算法，在数字化之后，以计算机驱动，用光速来推进我们 人类社会的方方面面。因为都是靠数据和算法，我们能够产生一个 非常大的一个信息量，所以我们看重下一代所有的应用和服务。 今天，为什么各个大公司都在不断地在人才、技术方面大量投入?就是因为我们已经在过去的几年不断地对这些数据进行加工，我们 已经越来越接近从数据到信息，到知识到科技。 语音识别过去十几年一直没有突破，但就在这两年实现了很大进展。其中重要原因就是因为有一种新的机器学习，可以从数据里面 学表达方式，做很多模式识别。大家知道做影像、语音等最难的是 怎么找出特征向量表示数据，过去的二三十年的研究都在研究怎么
浅析大数据与人工智能的发展 大数据(big data)，指无法在一定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的海量、高增长率和多样化的信息资产。 大数据包括结构化、半结构化和非结构化数据，非结构数化据越来越成为数据的主要部分。据IDC的调查报告显示：企业中百分之八十的数据都是非结构化数据，这些数据每年都按指数增长百分之六十。在大数据时代，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。 关于人工智能，人工智能是目前大家耳熟能详的一个热词。在2016年，Google公司的AlphaGo战胜人类围棋九段顶级高手李世石成为人工智能再次崛起的标志性事件。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能涉及的领域非常广泛，且深入人们的工作和生活各个方面。人工智能，特别是深度学习，需要大量数据的应用和积累。这就需要高容量存储设备来支持大量数据的留存。随着数据的不断增加，人们开始在其中发现某种规律，引发了分析的需求。分析让大量的数据有了价值，嵌有人工智能的机器开始懂得用户想要什么，需要干什么，可以预测未来变化或趋势，这种人工智能与场景的结合，要实现的就是改变生活方式和解放生产力。很多过去只有人能做的事情，现在更多的情况下能够通过机器实现，比如语音助手、无人驾驶汽车。更重要的是，当硬件性能逐渐提升、计算资源越来越强大时，成本却越来越低廉。 大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体（人工智能产品），为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。目前大数据相关技术已经趋于成熟，相关的理论体系已经逐步完善，而人工智能尚处在行业发展的初期，理论体系依然有巨大的发展空间。从学习的角度来说，如果从大数据开始学习是个不错的选择，从大数据过渡到人工智能也会相对比较容易。总的来说，两个技
浅谈大数据与人工智能的发展必要性 全球迎来人工智能发展新一轮浪潮，人工智能成为各方关注的焦点。从软件时代到互联网，再到如今的大数据时代，数据的量和复杂性都经历了从量到质的改变，可以说大数据引领人工智能发展进入重要战略窗口。 从发展意义来看，人工智能的核心在于数据支持。首先，大数据技术的发展打造坚实的素材基础。大数据具有体量大、多样性、价值密度低、速度快等特点。大数据技术能够通过数据采集、预处理、存储及管理、分析及挖掘等方式，从各种各样类型的海量数据中，快速获得有价值信息，为深度学习等人工智能算法提供坚实的素材基础。人工智能的发展也需要学*量的知识和经验，而这些知识和经验就是数据，人工智能需要有大数据支撑，反过来人工智能技术也同样促进了大数据技术的进步，两者相辅相成，任何一方技术的突破都会促进另外一方的发展。 其次，人工智能创新应用的发展更离不开公共数据的开放和共享。从国际上看，开发、开放和共享政府数据已经成为普遍潮流，英美等发达国家已经在公共数据驱动人工智能方面取得一定成效。而我国当前仍缺乏国家层面的整体战略设计与部署，政府数据开放仍处于起步阶段。在开放政府数据成为全球政府共识的背景下，我国应顺应历史发展潮流，抓住大数据背景下发展人工智能这一珍贵历史机遇，加快数据开发、开放和共享步伐，提升国家经济与社会竞争力。
从发展现状来看，人工智能技术取得突飞猛进的进展得益于良好的大数据基础。首先，海量数据为训练人工智能提供了原材料。据We Are Social公司统计，全球独立移动设备用户渗透率超过了总人口的65％，活跃互联网用户突破了40亿人，接入互联网的活跃移动设备超过了50亿台。根据IDC 预测，2020年，全球将总共拥有35ZB 的数据量。如此海量的数据给机器学习带来了充足的训练素材，打造了坚实的数据基础。移动互联网和物联网的爆发式发展为人工智能的发展提供了大量学习样本和数据支撑。 其次，互联网企业依托大数据成为人工智能的排头兵。Facebook 近五年里积累了超过12亿全球用户；IBM服务的很多客户拥有PB级的数据；Google的20亿行代码都存放在代码资源库中，提供给全部2．5万名Google工程师调用；亚马逊AWS为全球190个国家/地区超过百万家企业、政府以及创业公司和组织提供支持。在中国，百度、阿里巴巴、腾讯分别通过搜索、产业链、用户掌握着数据流量入口，体系和工具日趋成熟。 再者，公共服务数据成为各国政府关注的焦点。美国联邦政府已在Data．gov数据平台开放多个领域13万个数据集的数据。这些领域包括农业、商业、气候、教育、能源、金融、卫生、科研等多个主题。英国、加拿大、新西兰等国都建立了政府数据开放平台。在我国，2011年香港特区政府上线data．gov．hk，上海率先在内地推出首个数据开放平台。之后，北京、武汉、无锡、佛山、南京等城市也都陆续上线数据平台。