人工智能技术的大数据分析方法探讨

保定职业技术学院 李晓敏

引言

现在我们的生活中，许多事物的发展都与大数据分析息息相关。2020年经济发展中的各项数据为2021年经济发展指明了方向，也为在前一年经济发展中容易触发的经济发展问题提供了更加稳妥的发展途径。在2020年各行各业发展的巨大变化的大数据分析中，许多在2021年从事创新创业工作的人选择了更加稳妥和抗击风险性强的创业领域。从以上例子中我们可以看出，大数据时代下，每一个数据分析成果都是决定我们生活和未来发展的风向标，而在大数据分析过程中人工智能技术的发展又需要依托于数据分析支撑，大数据分析已经成为新一代科学技术发展产物不断优化所必须掌握的一项分析方法。

1 人工智能技术的发展

1.1 人工智能技术的发展过程

从20世纪五十年代开始，“人工智能”这个概念第一次被提出，到现今人工智能技术的快速发展引领科技潮流，不过短短几十年间人工智能技术的发展就成为人类生活不可或缺的一项技术。机器也能有思维，机器也能与人对话。这一观念的不断发展，成为现今人工智能技术发展的基础思想。20世纪九十年代人工智能技术在经历了科学发展低谷期后，在大数据分析技术的诞生后又焕发出新的活力，国内国外的人工智能技术不断取得创新突破。阿里巴巴、腾讯、小米等互联网公司在人工智能技术的研究上不断取得较好的成绩，随着我国经济发展不断加快，人民生活水平的不断提高，人工智能技术已经进入到千家万户，人工智能进入了新的发展时期。

1.2 人工智能技术的发展应用

“语音控制”“远程遥控”“智能对话”已经成为现在许多电子产品和智能管理系统的标准配置，人工智能技术不仅在办公场所、商业场所中得到应用，更进入许多家庭，“智能家居”成为现代装修的首选。可见人工智能的发展正处在新发展阶段，在不断发展的过程中已经取得了较好的成绩。

2 大数据分析方法

2.1 大数据分析简介

大数据分析这一技术，诞生于2005年，从这一时期开始大数据分析技术就成为许多科技产业和商业化科技产业的重要发展技术。从我国的几个发展较为快速的商业产业来说，阿里巴巴、腾讯、小米等互联网公司的发展依托于大数据分析技术不断适应用户口味，制造出符合市场需求的新兴产品，快速打开数码市场，消费增长速度持续上升。我国在十三五重点规划项目中已经将大数据作为一项重点项目，可见大数据的应用对国家发展、社会发展以及经济发展具有重要的作用。

大数据分析，也就是在科学技术的发展过程中对大量的信息数据进行分析，在分析这些数据的过程中将这些数据中蕴藏的信息进行提炼、分类、总结，在这些信息中寻找有价值的信息内容从而再获得极大价值的一个分析过程。大数据分析对于国家发展及社会进步具有重要价值，对于现今各行各业的发展具有不可忽视的作用。

2.2 数据的可视化

数据的可视化，就是将数据从简单的数字形式的呈现方式转变为可视化的图表或者图形、立体化图案等可视化的直观呈现方式，人们在阅读可视化图表或者观察可视化数据图案时，能够清晰地感受到数据之间的差异，快速定位数据中需要的内容，在直观地分析过程中理解数据内容，实现快速运用的作用。数据的可视化不仅包括数据信息的符号表达技术，还包括数据的可视化交互技术、数据可视化模型技术等，这些可视化技术成为数据表示的形象基础建设技术。随着我国科学技术的发展与教育水平的要求不断提升，现代化教育方式要求科学技术与教育相融合，大数据分析技术也与教育逐渐融合，成为现今教育工作开展中将教育效果有效提升、教育方法增加的重要方式。在大数据分析的支持下，对不同地区学生的教学数据进行分析，我们可以直观地看出学生在不同地区所学知识的差别和对知识的理解程度存在的差异性，这些数据又可以通过数据的可视化表现出来，让负责教育工作的人员以更加直观的效果感受数据之间存在的差异性。对于教育工作来说，通过数据分析及时找到不同地区学生之间学习水平存在差异的原因，找到阻碍教育质量提升的问题之所在，最后再整改和优化教育方法和教育内容后再对后期数据进行分析，在大数据支持下又可以直观的了解教育工作整改的效果，这是大数据分析以及数据可视化带给教育领域工作的一项便利。

对于学生来说，许多地区受到自然环境或者教学条件的限制，对于一些教学内容不能完全理解，这样的现象广泛存在于我国偏远地区的教育工作中。使用互联网的远程教学能够让学生远程学习来自优质教学资源的课程，但是对于一些需要亲眼看到或者了解的内容却始终难以做到让学生感受。数据的可视化将学生的课程体验提升了一个层次，在教学中让学生以数据可视化的形式了解了更多与所学知识相关的数据，提升了教学兴趣。

3 人工智能技术的大数据分析方法探究

3.1 大数据的聚集

人工智能技术的大数据分析方法应用中，首先要先进行大数据的聚集，将海量的数据收集到一个数据收集算法的数据库中，再将这些数据通过各种计算方法实现下一步的分类、筛选等步骤。大数据的聚集现今主要运用的技术有两种，分别是MapReduce算法、K-means算法，这两种算法都在实际应用中具有一定的应用效果。MapReduce算法能够大幅度的提升算法的聚集效果，在计算的过程中能够有效降低计算机计算的复杂程度，使得计算过程尽量简单。MapReduce算法在不断的发展中逐渐适应学习深度，在提取数据特征的过程中优化算法，使得计算过程越来越被更多使用者接受。K-means算法作为另外一种典型的聚集算法，在使用中主要将研究方向指向提升大数据处理速度以及这种算法的应用性能上。K-means算法的优化过程中，不断改进迭代计算的不稳定性，在计算过程中减小计算误差，也具有较为广泛的应用面。大数据的聚集过程应用上述两种算法使得数据收集更加便捷和快速，大数据分析迈出了第一步。

3.2 大数据的关联分析

大数据的关联分析是对大数据聚集的各种数据进行关联以及分析的过程，在这一过程中大数据分析将找到更多有价值的信息。Apriori算法是一种常用的大数据关联分析挖掘计算算法，在这一算法的计算过程中，主要的计算原理是先设定一个支持度阈值，在数据算法运行的过程中符合这一支持度阈值的数据将被标记关联。但Apriori算法有两点不足之处，由于Apriori算法的时间成本较大，所耗费的时间较长，对于快速发展的数据时代具有一定的发展局限性，二是Apriori算法在计算的广度上有所欠缺，难以将计算出的数据的关联性加强。FP-Growth算法的关联分析过程，是将数据构建成一个数据树，FP-Growth算法的计算过程通过两次的分析能够将数据中存在的关联项分析并标记，大量节约了时间成本，对于大型数据库的关联分析计算，FP-Growth算法具有较高的应用价值。

3.3 大数据关联的应用

大数据关联计算后，经过数据分析得出已经关联的数据进入了一个数据库中，在这数据库中通过并行化的算法处理将其引入数据平台。大数据关联的应用直接与大数据预测紧密联系，大数据平台中的数据经过分析后，可以直接对所需要的行业数据进行对比分析，找到需要的数据内容。将大数据平台中的数据内容分析后得出的结论，对于指导行业发展具有较高的数据支撑作用，引导未来经济走向。在智能网络的应用中，数据的检索以及数据的分析都需要利用到大数据关联分析，在分析的过程中直接检索出与检索内容相关的数据，直观的展现出数据内容。在现今快速发展的人工智能语音等科技产品种，大数据关联应用直接与人工智能的后台连接，当使用者说出语音指令，大数据关联直接索引到一系列关键词，在使用的过程中起到提升使用快感，提高产品性价比的作用。

4 人工智能技术的大数据分析方法使用中容易出现的问题

在人工智能技术的大数据分析方法使用中，需要对大数据分析方法进行严谨试验，保证大数据分析中使用的算法与实际需求相匹配，减少使用中出现的卡顿问题。大数据时代下，信息更新速度快，信息产生时间短，在这些信息特质下需要大数据分析方法中的各种算法具有较高的计算准确性，计算速度。例如在选择大数据关联分析的算法时，选择FP-Growth算法对于未来人工智能技术的快速发展来说，更具有前瞻性。对于商业领域来说，由于投入生产的人工智能产品受到使用年限以及使用次数的限制，生产者在选择算法时更应该选择计算性能较为优越的算法，算法应该在计算过程中具有较为稳定的模型，具有计算深度和计算广度，为未来科学技术发展做好准备，实现人工智能技术的优化。

5 结语

21世纪科学技术的快速发展背景下，人工智能技术的应用使人们的生活更便捷化，对于现今社会发展来说具有不可替代的重要作用。从现在人工智能技术的发展速度来看，未来十年甚至只在未来五年内，人工智能技术的发展都会发生较大的变化。为了适应快速发展的人工智能技术，大数据分析方法的使用需要紧跟时代脚步，根据现有的技术手段以及算法模型，不断优化与提升技术，使得人工智能技术的大数据分析方法有更多的发展空间，提升使用实用性。