人物观点

“过度担忧可能导致大众忽视AI正在带来的巨大机遇，也会让更多更紧迫的AI问题没有得到关注，这只会捡了芝麻丢了西瓜。”

近日，GAN之父Ian Goodfellow在Quora上举行了一年一度的live问答活动。不同于去年的独挑大梁，他今年还叫来了他在Google Brain的好基友Alexey Kurakin。本次互动吸引了将近2万Quora用户的参与，两人总共回答了网友提出的35个机器学习相关的问题。

通过为app开发者提供稳定高效的消息推送、统计分析、即时通讯和短信等服务，极光大数据积累了一系列用户行为数据，随着app及终端覆盖量的增加，这些数据有了更多的意义。

CEO 们需要对增长有很深刻的理解，高级的增长并不要求你清楚每一个获客渠道，但是需要在大方向上准确地把控。

数据统一可以说是数据分析领域的一个长期挑战。虽然联合式的方法获得了一些青睐，但绝大部分的数据分析从业者希望在分析之前，所有数据都能在同一个地方呈现出来。这意味着，来自不同实体的数据必须统一起来，而问题就出在这个地方。

背景：国务院印发的《促进大数据发展行动纲要》（以下简称“纲要”）主要任务第一条就是加快政府数据开放共享，推动资源整合，提升治理能力。 纲要针对“数据开放”做了详细的表述，其中包括“制定公共机构数据开放计划，落实数据开放和维护责任，推进公共机构数据资源统一汇聚和集中向社会开放，提升政府数据开放共享标准化程度，优先推动信用、交通、医疗、卫生、就业、社保、地理、文…

大数据，多大都不算大。

科大讯飞 谭昶：大数据的实践与思考。2016中国大数据技术大会中，上来自科大讯飞大数据研究院副院长谭昶，他带来了《讯飞大数据的实践与思考》的……

数据是载体，智能是目标，而机器学习是从数据通往智能的技术、方法途径。因此，机器学习是数据科学的核心，是现代人工智能的本质。

真正让“数据科学”发挥出了强大威力的，是在人们意识到，数据不仅止于精算统计、商业智能和数据仓库的时候。

最近在推进一些跨域的事情，聆听了一些教诲，获得了一些新的感悟，作为大数据管理者，拥有技术是远远不够的，更需要有大胸怀，特此分享于你。 1、 在架构层面，大数据平台要是企业级的 大数据平台从技术层面讲没有太多的秘密，无论有多大的难度，大家都可以从小做起，但平台的定位企业则要想清楚，这是由你决定的，因为这决定了平台的内涵。 比如对于运营商，大数据平台如果没有管理…

当下一个现象，商业计划书好像不提人工智能不好意思拿出来。其实大数据也是如此，是一个热词，它现在火热的程度甚至超过了产业界实际的贡献。

你可以欺骗所有人，但骗不了大数据。

“大数据”无疑是当下的热门术语，提及数据分析必谈大数据，这是对大数据和数据分析的双重误解，面对一个流行概念本身所许诺的前景和它所代表的商业利益，学界应保持高度的真诚和怀疑。

不管我们心中是否还带着对旧时代的眷念和对新时代的惶恐，一个“一切都被记录，一切都被分析”的数据化时代已经到来。