物联网专业课程简介及理解

写在前面：大家好，我是草莓橙须圆。毕业之前在CSDN和微信公众号活跃
欢迎关注我的公众号：【草莓橙须圆】
微信公众号主要就是更新大学生或者考研党的日常
CSDN主要就是学习过程中总结的笔记，以及编程分享

物联网

定义
物联网是从应用出发，利用互联网、无线通信网络资源进行业务信息的传送，是互联网、移动通信网应用的延伸，是自动化控制、遥控遥测及信息应用技术的综合体现。

物联网是一种复杂、多样的系统技术。从物联网体系结构角度解读物联网，可以经物联网技术分为四个层次：感知技术、传输技术、支撑技术、应用技术。

感知技术是指用于物联网底层感知信息的技术，包括射频识别（RFID)技术、传感器技术、GPS定位技术、多媒体信息采集技术及二维码技术等。

传输技术是指能够汇聚感知数据，并实现物联网数据传输的技术，它包括移动通信网、互联网、无线网络、微信通信、短距离无线通信等。在短距离无线通信主要有无线局域网、蓝牙、NFC（近场通信）技术和红外传输技术、ZigBee、RFID。

支撑技术是用于物联网数据处理和利用的技术，它包括云计算技术、嵌入式系统、人工智能技术、数据库与数据挖掘技术等。

应用技术是指用于支持物联网应用系统运行的技术，应用层主要是根据行业的特点，借助互联网技术手段，开发并形成各类行业应用解决方案，构建智能化的行业应用。

缺点举例：

传统视频技术为基础的传统智能交通在公安、交通管理中发挥着不可替代的作用。但是视频识别技术依托汽车固有的号牌作为信息源采集，由此带来汽车身份采集上较大的局限性。此外在采集识别精度方面存在多种无法全面抓牌的实际情况。比如：车牌污损、天气影响;当车辆排队进行时，车间距太小，大车遮挡后面的小车;车队排队时滞留在检线上无法达到识别。

软件工程

1.定义
软件工程是一个研究如何让软件开发的过程变得更加规范可控、流程化、工厂化的研究体系。

2.概括
目前，一个通用的软件工程过程框架通常包括5个活动：沟通-策划-建模-构建-部署。

沟通：①要充分了解客户的需求②客户可能自己都不知道要做一个具有哪些功能的软件，他们只是有一个初步的想法，这个时候就需要开发人员去引导，最好的方式就是提出各种版本方案让客户选择，最后再择优处理。

策划：策划阶段就是要做出我们整个软件系统的“设计地图”（软件项目计划，它包括需要执行的技术任务、可能存在的风险、需要用到的资源、整个项目的工作进度等等），有了地图我们才能将旅程变得简单而且易于掌握。

建模：建模就是建立我们软件设计的模型。最初的草图包括整个项目的体系结构、不同的组件模块之间怎么连接，以及其他的一些特性，最后经过不断的讨论与设计、对草图进行精化，得到每一个功能模块的具体类与接口。

即使团队中有人离职，不得已让新人进来取代的时候，也能根据设计模型以及各种UML图游刃有余的进行编码，这也就是为什么要有一个图纸的原因之一。

构建：建模完了以后，我们就可以进行编码了，有了设计图纸，编码当然也就不再困难。但是要注意的是编码的时候要不断的进行冒烟测试(频率非常高的一种测试模式)，如果离项目的验收期限非常近了，还可以进行敏捷开发(一种团队集中在一起进行高强度、高效率的开发方式)。

部署：软件开发完成后，就可以交付给用户了，将我们的软件部署在用户端系统上，用户对它进行评测并给出反馈意见。

研究的最多的也就是这几大活动，但是这几个过程的执行顺序在现实应用中都不会是线性的一步接一步，往往在编码的时候还有可能在做需求分析，也有可能会先开发出系统的主要功能，然后再慢慢往上加其他的拓展功能。

3.具体内容
引用他人原创：
软件工程知识点复习总结.

数据库

1.定义
数据库是数据的仓库，依据“数据结构”来组织数据，使数据“条理化”。

2.区别
数据库与EXCEL来比的话，能明显的看出数据库的好处，我们能给一个个“字段”添加“约束”（比如约束一列的值不能为空）
数据库与普通的文件系统的主要区别：数据库能快速查找对应的数据（由于专精，可以根据自己的结构特性来快速查找，所以对于数据库的查找会比较快捷，比如B-Tree查找法）。

3.概括
数据库分为关系型数据库和非关系型数据库。

①关系型数据库

关系型数据库是依据关系模型来创建的数据库。所谓关系模型是指二维表格模型，因而一个关系型数据库就是由二维表及其之间的联系组成的一个数据组织。

关系型数据可以很好地存储一些关系模型的数据，比如多个老师对应多个学生的数据（“多对多”），一本书对应多个作者（“一对多”），一本书对应一个出版日期（“一对一”）。

关系模型是我们生活中能经常遇见的模型，关系模型有：

数据结构（数据存储的问题，二维表）；

操作指令集合（SQL语句）；

完整性约束(表内数据约束、表与表之间的约束)。

存储这类数据一般用关系型数据库，常见的关系型数据库：Oracle、DB2、PostgreSQL、Microsoft SQL Server、Microsoft Access、MySQL。

关系型数据库的特点：
①安全（因为存储在磁盘中，不会说突然断电数据就没有了）；②容易理解（建立在关系模型上）；③不节省空间（因为建立在关系模型上，就要遵循某些规则，好比数据中某字段值即使为空仍要分配空间）

②非关系型数据库

非关系型数据库主要是基于“非关系模型”的数据库（由于关系型太大，所以一般用“非关系型”来表示其他类型的数据库）。

非关系型模型有：

列模型：存储的数据是一列列的。关系型数据库以一行作为一个记录，列模型数据库以一列为一个记录。（这种模型，数据即索引，IO很快，主要是一些分布式数据库）；

键值对模型：存储的数据是一个个“键值对”，比如name:liming,那么name这个键里面存的值就是liming；

文档类模型：以一个个文档来存储数据，有点类似“键值对”。

常见非关系模型数据库：列模型：Hbase；键值对模型：redis,MemcacheDB；文档类模型：mongoDB

非关系型数据库的特点：
①效率高（因为存储在内存中）；②但不安全（断电丢失数据，但其中redis可以同步数据到磁盘中），现在很多非关系型数据库都开始支持转存到磁盘中。

4.具体内容
引用他人原创：
数据库基本知识点总结.
数据库面试知识点整理.

传感器与射频识别

1.定义
RFID无线射频识别技术：简单来说它就是电子标签，是一种利用无线电射频信号耦合传输的特性，在读写器和标签之间进行非接触双向数据传输以达到目标识别和数据交换目的的技术。

传感器：能把外界非电信息转换成电信号输出的器件（三层含义：它是由敏感元件和转换元件构成的一种检测装置；能按一定规律将被测量转换成电信号输出；传感器的输出与输入之间存在确定的关系）。

2.具体内容

引用他人原创：
RFID简介.
RFID的基本结构及工作原理.
传感器基本概念.

嵌入式系统

1.定义
嵌入式系统就是嵌入到对象体系中的专用计算机系统（一个嵌入式系统就是一个具有特定功能或用途的计算机软、硬件集合体。以应用为中心，以计算机技术为基础，软、硬件可裁剪，适应应用系统对功能、可靠性、成本、体积、功耗等严格要求的专用计算机系统）。
三要素是嵌入性、专用性和计算机。嵌入性是指嵌入到对象体系中，有对象环境要求；专用性是指软、硬件按对象要求进行裁剪；计算机是指实现对象的智能化功能且以微处理器为核心的系统。

2.具体内容

引用他人原创：
嵌入式系统组成及发展
嵌入式系统特点

web程序设计

1.定义

介绍了建立和维护Web服务器站点所必需的工具和技术，包括XHTML、CSS、JavaScript等

2.具体内容

web程序设计基本知识.
web学习过程中一些心得.

人工智能、数据挖掘、机器学习、深度学习、数据分析

1.定义

人工智能是通过了解智能的实质，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。

该领域的研究包括语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等等，人工智能可以对人的意识、思维的信息过程的模拟。人工智能包括众多的分支领域，比如大家熟悉的机器学习、自然语言理解和模式识别等。

①机器学习

机器学习属于人工智能研究与应用的一个分支领域。机器学习的研究更加偏向理论性，其目的更偏向于是研究一种为了让计算机不断从数据中学习知识，而使机器学习得到的结果不断接近目标函数的理论。机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。在我们当下的生活中，语音输入识别、手写输入识别等技术，识别率相比之前若干年的技术识别率提升非常巨大，达到了将近97%以上，大家可以在各自的手机上体验这些功能，这些技术来自于机器学习技术的应用。

机器学习与数据挖掘的联系是什么呢？

机器学习为数据挖掘提供了理论方法，而数据挖掘技术是机器学习技术的一个实际应用。逐步开发和应用了若干新的分析方法逐步演变而来形成的；这两个领域彼此之间交叉渗透，彼此都会利用对方发展起来的技术方法来实现业务目标，数据挖掘的概念更广，机器学习只是数据挖掘领域中的一个新兴分支与细分领域，只不过基于大数据技术让其逐渐成为了当下显学和主流。

②数据挖掘

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘本质上像是机器学习和人工智能的基础，它的主要目的是从各种各样的数据来源中，提取出超集的信息，然后将这些信息合并让你发现你从来没有想到过的模式和内在关系。这就意味着，数据挖掘不是一种用来证明假说的方法，而是用来构建各种各样的假说的方法。数据挖掘不能告诉你这些问题的答案，他只能告诉你，A和B可能存在相关关系，但是它无法告诉你A和B存在什么相关关系。机器学习是从假设空间H中寻找假设函数g近似目标函数f。数据挖掘是从大量的数据中寻找数据相互之间的特性。

数据挖掘是基于数据库系统的数据发现过程，立足与数据分析技术之上，提供给为高端和高级的规律趋势发现以及预测功能；同时数据量将变得更为庞大，依赖于模式识别等计算机前沿的技术；其还有另外一个名称为商业智能(BI,BusinessIntelligence)，依托于超大型数据库以及数据仓库、数据集市等数据库技术来完成。

主要数据挖掘方法有:分类、估计、预测、相关性分组或关联规则、聚类、复杂数据类型挖掘(Text,Web,图形图像，视频，音频等)等技术。

③深度学习

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习和机器学习是什么关系呢？

深度学习是实现机器学习的一种方式或一条路径。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。比如其按特定的物理距离连接；而深度学习使用独立的层、连接，还有数据传播方向，比如最近大火的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能，让机器认知过程逐层进行，逐步抽象，从而大幅度提升识别的准确性和效率。

神经网络是机器学习的一个分支，而深度学习又是神经网络的一个大分支，深度学习的基本结构是深度神经网络。

④数据分析

数据分析的概念：基于数据库系统和应用程序，可以直观的查看统计分析系统中的数据，从而可以很快得到我们想要的结果；这个就是最基本的数据分析功能，也是我们在信息化时代了，除了重构业务流程、提升行业效率和降低成本之外的了。另外数据分析更多的是指从历史数据里面发现有价值的信息，从而提高决策的科学性。数据分析更侧重于通过分析数据的历史分布然后从中得出一些有价值的信息。还有一个数据分析更重要的功能，就是数据可视化。

比如说，在财务系统的信息化中，基于企业的财务系统，我们可以直观获取企业现金流量表、资产负债表和利润表，这些都来自与我们的数据分析技术。数据分析目前常用的软件是Excel,R,Python等工具。
在对比数据分析和数据挖掘时，数据分析则更像是对历史数据的一个统计分析过程，比如我们可以对历史数据进行分析后得到一个粗糙的结论，但当我们想要深入探索为什么会出现这个结论时，就需要进行数据挖掘，探索引起这个结论的种种因素，然后建立起结论和因素之间模型，当有因素有新的值出现时，我们就可以利用这个模型去预测可能产生的结论。

人工智能与机器学习、深度学习的关系

严格意义上说，人工智能和机器学习没有直接关系，只不过是机器学习的方法被大量的应用于解决人工智能的问题而已。目前机器学习是人工智能的一种实现方式，也是最重要的实现方式。

深度学习是机器学习比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音等富媒体的分类和识别上取得了非常好的效果。

数据挖掘与机器学习的关系

数据挖掘主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。
机器学习是数据挖掘的一种重要方法，但机器学习是另一门学科，并不从属于数据挖掘，二者相辅相成。

深度学习、机器学习以及未来的AI技术，将让无人驾驶汽车、更好的预防性治疗技术、更发达智能的疾病治疗诊断系统、更好的人类生活娱乐辅助推荐系统等，逐步融入人类社会的方方面面。

2.具体内容

引用他人原创：
数据挖掘概述.
人工智能、机器学习、深度学习总结大全.
人工智能机器学习深度学习数据挖掘的区别是什么.

云计算

1.定义
云计算（Cloud Computing）是网格计算（Grid Computing ）、分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）等传统计算机技术和网络技术发展融合的产物。狭义云计算是指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是和软件、互联网相关的，也可以是任意其他的服务，它具有超大规模、虚拟化、可靠安全等独特功效。

云计算是把一些相关网络技术和电脑融合在一起的产物。它是利用分布式计算机计算出的信息和运行数据中心改成与互联网相近，使资源能够运用到有用的技术上，对存储系统和电脑做必要的咨询。目的是把各种消费进行低成本处理并融合为功能完整的实体，还可以运用MSP、SAAS等模式分布并计算到终端用户。云计算是以加强改善其处理能力为重点，用户终端的负担也相应降低，I/O设备也能够简化，还可以对它的计算功能进行合理的享受并运用。例如百度等搜索功能就是它的应用之一。

2.具体内容

引用他人原创：
云计算入门.
云计算那些事.

其实总结这些都是为了能在面试的时候，面试官问到相关的计算机背景的知识，我们可以有备而答。里头还有很多没有改成口头话的语句，慢慢来~~