另一个方面，新数据会从哪些地方产生呢？以前数据基本上都是由PC、手机、平板电脑产生的，而在未来，汽车、视频、智能设备以及工业互联网都是新数据产生的典型场景，而且这些场景下数据产生的速度将会迅速提升。
在编程模型部分，以前部分产品将SQL当做外置的接口增强，而如今的很多产品将SQL当做自身原生的能力，就像是数据库一样，将SQL当做自己的内核，还有部分产品将存储过程当做自己的内核。而对于分布式文件系统部分，可以发现，云厂商在这部分做的非常好，无论是AWS的S3还是阿里云的OSS与云盘，他们天然就是分布式存储。
虽然分布式存储的技术挑战非常大，但是云厂商把这些问题基本上解决了，所以很多企业开始基于云厂商基础设施的能力构建分布式的数据计算能力，这也导致了大数据技术、数据仓库以及数据库逐渐走向融合。
此外，传统安全架构通过防火墙保护边界，而内部的任何用户或服务受到完全的信任。2020 突发的新冠疫情，大量的企业需要员工和客户远程办公与协同，企业应用需要在IDC和云上部署和交互。在物理安全边界消失之后，云安全正在迎来一场深刻的变革。
此外，新冠疫情进一步让企业更加关注IT成本优化。云原生的一个重要优势是充分利用云的弹性能力，来按需提供业务所需计算资源，避免资源浪费，实现成本优化的目标。但是，与传统成本预算审核制度不同，云原生的动态性、和高密度应用部署，让IT成本管理更加复杂。
随着越来越多的企业 IT 架构，从 on Kubernetes 到 in Kubernetes，大量的 CRD、自定义 Controller给 Kubernetes 的稳定性和性能带来大量的挑战。面向终态的自动化是一把 “双刃剑”，它既为应用带来了声明式的部署能力，同时也潜在地会将一些误操作行为被终态化放大。在发生操作故障时副本数维持、版本一致性、级联删除等机制反而很可能导致**半径扩大。
随着企业将更多核心业务从数据中心迁移到云上，越来越多的企业迫切需要对云上环境进行的预算制定、成本核算和成本优化。从固定的财务成本模型，转化为变化的、按需付费的云财务模型，这是一个重要的观念和技术转变。然而大多数企业尚未对云财务管理有清晰的认知和技术手段，在 FinOps 2020年调研报告中，将近一半的受访者（49％）几乎没有或没有自动化方法管理云支出。为了帮助组织更好了解云成本和IT收益，FinOps理念开始流行。
在最后一子落下之前,胜负已经十分明了。法国著名媒体机构CAUSEUR尖叫: "李世石感到羞耻的一天。"震惊的九段冠军挣扎着讲述他被数学算法打败:
“...我应该表现得更好,应该有更好的结果以及更好的比赛过程。我为没能满足很多人的期望而道歉。我有些无能为力。”
在学习深度学习的核心思想时,我们采取的通用方法一般如图2.1所示。无论开发什么类型的机器学习模型,最终都回归到这个基本模型。输入数据传递给模型,经过多个非线性层进行过滤,最后一层包含分类器——决定该对象所属的种类。
用数据进行学习的目标是预测响应变量或者用一组给定的属性对响应变量分类。这与线性回归有点类似,在线性回归中,用一组独立变量(也叫属性或特征)通过一个线性模型来预测因(响应)变量。不过,传统的线性回归模型并不被视为深度学习,因为它们没有对数据进行多层的非线性变换。
