大數據與人工智能有什么關系呢？AI本身就是一種大數據的應用，特別是在對於AI系統進行訓練的時候，使用的數據越多，AI系統就越先進。也就是說對於人工智能系統進行訓練使用的數據量越大，數據質量越好，人工智能系統的質量就越高，從這個意義上來說AI本身也是一種大數據應用。
機器學習是人工智能的子集,深度學習是機器學習的子集，但是深度學習的影響是最大的，比如圖像識別、語音識別、語義識別。
常用框架：
1． Scikit-Learn: 基於 Python 語言的機器學習工具, 該算法庫顯得較為保守。這主要體現在兩個方面：一是Scikit-learn從來不做除機器學習領域之外的其他擴展，二是Scikit-learn從來不采用未經廣泛驗證的算法。
2． Tensorflow: 適合所有人的開放源代碼機器學習框架。 是一個開放源代碼軟件庫，用於進行高性能數值計算。借助其靈活的架構，可以輕松地將計算工作部署到多種平台（CPU、GPU、TPU）和設備上（桌面設備、服務器集群、移動設備、邊緣設備等）。可為機器學習和深度學習提供強力支持，並且其靈活的數值計算核心廣泛應用於許多其他科學領域。
3． Caffe（Convolutional Architecture for Fast Feature Embedding）：是一種常用的深度學習框架，主要應用在視頻、圖像處理方面的應用上。既可以在CPU上運行也可以在GPU上運行，並提供了一個完整的工具包，用來訓練、測試、微調和部署模型。
4． CNTK：Microsoft 計算網絡工具包 (CNTK) 是一個非常強大的命令行系統，可以創建神經網絡預測系統。其真正用途在於與深度神經網絡（具有兩個或多個隱藏層，且節點之間可能存在復雜連接的網絡）協同工作。
5． Keras：是一個用 Python 編寫的高級神經網絡 API，它能夠以 TensorFlow, CNTK, 或者 Theano 作為后端運行。Keras 的開發重點是支持快速的實驗。遵循減少認知困難的最佳實踐，提供一致且簡單的 API，它將常見用例所需的用戶操作數量降至最低，並且在用戶錯誤時提供清晰和可操作的反饋。Keras API 可以與 TensorFlow 工作流無縫集成。
6． PyTorch：是一個基於Python的深度學習平台,其前身是Torch。其簡單易用上手快並且功能強大，從計算機視覺、自然語言處理再到深度強化學習功能等。
7． Paddlepaddle（PArallel Distributed Deep Learning）：是百度旗下一個易用、高效、靈活、可擴展的深度學習框架，兼容多種異構硬件,具有優異的訓練&預測性能,官方支持多種領先模型,提供全流程的深度學習模塊和組件，覆蓋圖像分類、個性化推薦、機器翻譯等多個深度領域。