现有一个需求：
1.把人工智能算法中的“神经网络”和“深度学习”两种基础算法封装成N个存储过程(学习用，调试用，结果展示等)
2.遍历整个数据库dbo架构的表，自动根据表名和datetime类型字段自动生成SQL并输出SQL，要求年、月、日、周，存在上一周或上一区间即额外添加同比或环比。如果存在money值则需要遍历至每个money值上，否则只需要统计行数就行。（这个其实最简单的）
3.制作一个存储过程，根据第2点的SQL进行多循环遍历，并计算正比/反比的相似度（即什么表的时间的值有增长会导致其他表有增长）
4.把3点的存储过程运行后代入第1点的存储过程中，实现对比相似时自动学习机制（如果人工确认相似但不关联需要去调试用存储过程手动处理断开关系）
5.调用学习后的存储过程，输入相关信息能给出最相似的top10数据库并以此为基础进行预测（这个算法能适应任何SQL SERVER数据库）

顶一下，自己。
其实就是用数据库空余时间自己跑数据挖掘。
这个数据挖掘目前自动针对时间维度去生成sql（即需求第2点）
然后第3点是针对第2点的SQL进行自动分析比较，然后让第1点下人工智能自动学习。
人工智能训练师（别名人肉运维）提出需求要减轻负担，最终就在第一点做1个“调试用”实现修改人工神经网络（全自动多级树状关联）的关联关系。从而修正自动学习的方向。
显示的话是决策层的问题。
但是第2点的自动生成的SQL最新开会决定要预留了“Name”维度和lng/lat维度（坐标）分析什么不用说了吧。时间维度上还要精确到小时。
也就是说这套程序只需要在第二点修改维度生成不同的SQL就能让人工智能不断学习如何去分析挖掘数据。最终做到自动预测如：
1.公司与A物料增长跟毛利成正比，马上进货。B产品生成与毛利成反比马上停产
2.A产品销售带动B产品增长
3.A产品在某个坐标发货，而B产品同时也在其他地方发货到那个点。捆绑一起卖
4.张三和李四生活规律有几成相似，小区等级也相同，张三购买了A产品，李四可能需要这个产品
5.张三和李四是一家人，不用推送这个信息
6.张三老婆跟李四。。。。。。。。。

看了你的文章，我又一种走还不会，先要跑，如果人工智能算法这么简单，那还读什么清华大学

刻意追求新技术，新技术名词，其实最本质的还是底层，无论怎样计算机只可运算0和1，不要太追求前沿新名词，而忘了技术的本质，还是踏踏实实的一步一步脚印