据的资源化是指大数据在企业、社会和*层面成为重要的战略资源。2014年大数据将成为新的战略制高点，是大家抢夺的新焦点;大数据将不断成为机构的资产，成为提升机构和公司竞争力的有力武器。以下是小编为你整理的学大数据要学什么
大数据对于隐私将是一个重大挑战，现有的隐私保护法规和技术手段难于适应大数据环境，个人隐私越来越难以保护，有可能会出现有偿隐私服务，数据“面罩”将会流行。而且预计2014年将会颁布关于大数据隐私的标准和条例。
大数据处理离不开云计算技术，云计算为大数据提供弹性可扩展的基础设施支撑环境以及数据服务的高效模式，大数据则为云计算提供了新的商业价值，因此从2013年开始大数据技术与云计算技术必然进入更完美的结合期。总体而言，云计算、物联网、移动互联网等新兴计算形态，既是产生大数据的地方，也是需要大数据分析方法的领域。
2014年将会有更多基于海量数据(知识)的智能成果出现，甚至有可能产生人工大脑。至少类似于Chinese Room这样的问题将得到彻底解决。因为所有人们能想到的问题，在问之前就都已经被人回答过了，所以，即便在没有思考和逻辑的情况下，也可以利用前人的经验同样可以起到脑的功能，甚至也可能通过大数据直接进行推理。
如何进行深度学习
从谷歌猫到百度大脑，这些听着令人震撼和心潮澎湃的事情，带给我们的跟多的是深度学习的重要性。如何利用深度学习去实现机器视觉，已经成为我们爱好者不能停步的重要原因。以下是小编为你整理的
百度大脑是个可以利用目标分类检索，以及可以达到最终预测的可靠性。例如可以根据当前人们对各个领域的关注热度，以及预测现实生活旅游的走势，他会检索出海量数据中，找到适合最终结果的答案，不得不说，重视深度学习的研究成果，将更多带给我们意想不到的惊喜。
我们不曾想到过机器可以带着人的思维去思考，或者更有甚于人类，人可能同时在一个地方犯同样的错误，如果你在机器中存储了大量分类数据，和海量信息，它便会根据自我认知，提取了解结果的重要性，避免多余的重复性操作，这样使得科学性思维更加缜密。
深度学习延伸到深度模型的建立，尤其是语音识别已经在现在的时代是一个大数据的机器学习的时代了，利用大数据(现有的成就)去构建深度学习框架，有着积极的推动作用。
图像是深度学习最早尝试的应用领域，往后图像也将是深度学习领域中最有利的一面，在现在很多应用领域中，对图像识别，提取信息还是相当多的，因此有必要先掌握图像处理的技术能力。
当前应用最为火的还是在搜索领域里，深度学习有着预测性强的能力，当机器可以深度判读的预测正确性，将给社会带来福祉。
对于大型互联网公司而言，更好运用在工程项目上，是一个值得思考的问题，首先当然是技术人员必须从事深度学习技术研发，考虑数据的利用性，判断其深度学习的价值。
搭建Zookeeper集群
下载安装Java JDK，官方下载链接为http://java.sun.com/javase/downloads/index.jsp，JDK版本为JDK 6或以上。
根据Zookeeper集群的负载情况，合理设置Java堆大小，尽可能避免发生swap，导致Zookeeper性能下降。保守期间，4GB内存的机器可以为Zookeeper分配3GB*堆空间。
下载后解压安装Zookeeper包，官方下载链接为http://hadoop.apache.org/zookeeper/releases.html。
根据Zookeeper集群节点情况，按照图片上的内容添加配置：
在dataDir目录下创建myid文件，文件中只包含一行，且内容为该节点对应的server.id中的id编号。
启动Zookeeper服务。通过Zookeeper客户端测试服务是否可用。
大数据处理
大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要绝对精确，
要相关不要因果。具体的大数据处理方法其实有很多，但是根据长时间的实践，
笔者总结了一个基本的大数据处理流程，并且这个流程应该能够对大家理顺大数据的处理有所帮助。整个处理流程可以概括为四步，分别是采集、导入和预处理、统计和分析，以及挖掘。
大数据的采集是指利用多个数据库来接收发自客户端的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。
在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。
