手寫字體識別是指給定一系列的手寫字體圖片以及對應的標簽，構建模型進行學習，目標是對于一張新的手寫字體圖片能夠自動識別出對應的文字。通過深度學習構建普通神經網絡和卷積神經網絡，處理手寫字體數據。通過對神經網絡模型訓練，實現手寫字體識別。手寫數字識別應用非常廣泛，如稅表系統，銀行支票自動處理和郵政編碼自動識別等。這些工作需要大量的手工錄入，勞動強度較大。通過深度學習實現手寫字體識別，大大提高了工作效率。

深度學習是機器學習的一個子類，是機器學習眾多算法中的一種，是擁有多個隱藏層的神經網絡。深度學習可以理解為多層神經網絡，是一種學習的模式，采用具有深度的模型進行學習。深度學習具有其他算法不具備的顯著優勢，特別在AI領域的應用中，使得深度學習解決問題的效果尤為突出，廣泛應用于語音識別、圖像識別、文本理解等眾多領域。

機器學習是讓機器從大量樣本數據中自動學習其規律，并根據學習到的規律預測未知數據的過程。機器學習的目標是發現數據中暗藏的規律，由此對未知進行預測。這個過程要通過學習來實現，學習用到的材料則是大數據。

機器學習通過人工智能來分析、探索和預測趨勢，并根據過去的變化預測未來的趨勢。通過經典的機器學習算法，為客戶提供智能應用程序，包括頻繁模式挖掘、聚類、分類、推薦引擎（獲得用戶行為并從中發現用戶可能喜歡的事物）、頻繁子項挖掘（利用一個項集，如查詢記錄和購物目錄，去識別經常一起出現的項目）。

人工智能是計算機科學與技術專業的一門重要的專業課程，運用計算機模擬和延伸人腦功能，模仿人腦所從事的推理、識別、理解、設計、學習、思考等思維活動，以此解決預測、規劃等需要人類專家才能處理的復雜問題。人工智能關鍵技術包括專家系統、自然語言理解、人工神經網絡。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。