来源：电子信息产业网2015-06-04

超过100位国内外云计算领域的核心专家的精彩演讲涵盖了iaas、paas、saas平台的构建与应用，计算安全和自动化运维的设计与维护，海量数据深度挖掘的最佳实践，机器学习助力推荐算法的最新探索等方面。

来源：每日甘肃2015-06-01

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：新晋界社区2015-05-29

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数 据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：山西新闻网2015-05-28

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：网易科技2015-05-26

从数据摄取(kinesis)、处理(lambda)、存储(dynamodb)以及机器学习(ml)到分析(emr和redshift)，亚马逊拥有终端到终端的物联网平台在云端所需要的一切。

来源：能源与节能2015-05-13

调度人员依托狭义智能调度的辅助实施运作，此类方法的要点是依靠机器学习及样本训练，是在电力系统的运行中人工智能化的标志，一定程度上实现了调度中心智能化。...1.2 开发实践国外科研人员提出了ao(调度机器人)概念。所谓ao，就是让机器人通过学习，掌握电力系统的运行规则。

来源：智能电网2015-05-12

应用大数据分析、机器学习等技术，将需求和供应进行动态匹配调整，降低成本提高能效。能源互联网的内涵是以互联网技术和理念来改造能源生产、传输和消费，使得能源管理更加便捷高效。...，通过数据全面展示设备、机器的属性，包括状态和能耗等。

来源：中国联合商报2015-05-11

应用大数据分析、机器学习等技术，将需求和供应进行动态匹配调整，降低成本提高能效。能源互联网的内涵是以互联网技术和理念来改造能源生产、传输和消费，使得能源管理更加便捷高效。...，通过数据全面展示设备、机器的属性，包括状态和能耗等。

来源：36kr2015-05-04

最近几年，google利用机器学习算法来分析和优化数据中心操作，将部分设备的效率提升了15%至25%。然而，google并不愿将这种特殊算法进行公开分享。

来源：互联网周刊2015-04-29

亚马逊云服务增加机器学习技术4月13日消息，日前amazon宣布在其云服务家族中加入一项machine learning，为没有机器学习背景的开发者提供分析和预测工具。...机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。这项技术是人工智能的核心，是使计算机具有智能的根本途径。

来源：北极星售电网2015-04-17

但是google逆袭传统行业的真正利器在于物联网、大数据、机器学习等技术，通过这些传统行业难以跟上的技术的运用来提升传统行业的效率。

来源：新营销2015-04-15

服务云端化，才能打破单品体验之间的独立性，建立一个体验的闭环，并借助大数据、云计算、人工智能及机器学习技术的支持，实现数据的云端存储和分析，从而不断迭代，为用户提供精准的智能服务。

来源：《红周刊》2015-04-07

而智能家居要真正实现智能化，还需要大数据、云计算、人工智能及机器学习技术发展的支持，这几项技术，将能够使现在的智能家居产品实现数据云端存储、分析，并据此为用户提供更为精准的智能化服务，比如上述的情况中，...智能家居是指基于无线网络通信、大数据、云计算、语音识别、人工智能、机器学习等先进技术，采用内置操作系统、智能芯片、传感器的硬件产品以及软件应用一同构建的，能够给用户带来便利、健康、安全、舒适的人性化、智能化家居生态系统

来源：证券市场红周刊2015-04-07

而智能家居要真正实现智能化，还需要大数据、云计算、人工智能及机器学习技术发展的支持，这几项技术，将能够使现在的智能家居产品实现数据云端存储、分析，并据此为用户提供更为精准的智能化服务，比如上述的情况中，...智能家居是指基于无线网络通信、大数据、云计算、语音识别、人工智能、机器学习等先进技术，采用内置操作系统、智能芯片、传感器的硬件产品以及软件应用一同构建的，能够给用户带来便利、健康、安全、舒适的人性化、智能化家居生态系统

来源：中国能源网2015-04-03

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：中国电力报2015-03-31

通过对零部件故障信息的挖掘，优化产品设计和零部件选型，实现预防性维护利用大数据技术，可以通过数理统计、模式识别、神经网络、机器学习、人工智能等深度数据挖掘算法，在海量数据中，挖掘出零部件故障信息，追溯其在设计...同时，远景的智能协调算法将各风机的运行状态闭环反馈到风场流场模型中，实时在线进行系统学习并调整模型，消除外界环境的随机干扰因素，从而进一步提高风场模型的精度，取得最优全场发电量。

来源：中国能源网2015-02-27

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：中国测控网2015-02-13

预测分析和机器学习技术将用于加强数据分析，改善战略与操作决策。...传感器信息技术、软件化基础设施、预测分析/机器学习技术将在2015年取得重大突破，无论是技术上，还是市场应用上。

来源：能源互联网微信2015-01-28

通过机器学习和人工智能进行数据的优化，判断数据是否有用还有怎么用，以及对历史数据和横向数据进行整合分析和比较。

来源：北极星风力发电网2015-01-20

我们认为能源互联网首先从物联开始，我们必须使得这些智能发电、用电、储电设备相连，相连之后产生数据，产生数据以后才能做分析，才能做更进一步的人工智能、机器学习、大数据分析。...发电、用电、储电这些设备通过物联介入到能源互联网这样的平台，机器之间可以形成自我对话。好处是什么?