一是机器学习、人工智能继续成为大数据智能分析的核心技术,大数据预测和决策支持仍是主要应用。
在学术上,深度分析继续扮演技术主角,推动整个大数据智能的应用。通过像神经网络模型的深度学习,让计算机自动学习产生特征的方法,并将特征学习融入建立模型的过程中,增加设计特征的完备性。深度学习将在图像分类、语音识别、问答系统等应用取得重大突破,并有望得到成功商业应用。
二是数据科学带动多学科融合。
随着社会的数字化程度逐步加深,更为宽泛、更为包容大数据的边界不断完善,使得越来越多的学科在数据层面趋于一致,为类比科学研究创造了条件。“数据科学”的基础研究与成果将源源不断地注入技术研究和应用范畴中。