人工智能中的大数据技术主要包括以下几个部分：
1. 数据采集与预处理：这是大数据技术的基础，包括数据的采集、清洗、转换和存储等。数据采集可以通过各种传感器、网络、日志等方式获取；清洗主要是去除数据中的噪声和异常值；转换是将原始数据转换为适合机器学习算法处理的格式；存储则是将处理好的数据保存在合适的数据库中。
2. 数据分析与挖掘：这是大数据技术的核心，包括数据的探索性分析、关联规则挖掘、聚类分析、分类预测等。通过这些分析方法，可以从海量数据中提取出有价值的信息，为后续的决策提供支持。
3. 机器学习与深度学习：这是大数据技术的应用，包括各种机器学习算法和深度学习模型的训练与优化。这些算法可以用于预测、分类、聚类、推荐等任务，广泛应用于金融、医疗、电商、交通等领域。
4. 自然语言处理（NLP）：这是大数据技术的一个重要分支，主要研究如何让计算机理解和处理人类的语言。NLP技术可以帮助我们进行文本挖掘、情感分析、机器翻译等任务。
5. 图像识别与处理：这是大数据技术的另一个重要应用，主要研究如何让计算机识别和处理图像。图像识别技术可以帮助我们进行人脸识别、物体检测、图像分类等任务。
6. 语音识别与处理：这是大数据技术的另一个重要应用，主要研究如何让计算机识别和处理语音。语音识别技术可以帮助我们进行语音转文字、语音助手等任务。
7. 推荐系统：这是大数据技术的一个重要应用，主要研究如何根据用户的历史行为和偏好，为用户推荐他们可能感兴趣的内容。推荐系统在电商、新闻、音乐等领域有广泛的应用。
8. 实时数据处理与流计算：这是大数据技术的一个重要方向，主要研究如何在数据产生后立即进行处理和分析，以满足实时性的要求。流计算是一种处理大量实时数据的技术，它可以在数据产生的瞬间进行分析和处理，大大提高了数据处理的效率。
9. 分布式计算与云计算：这是大数据技术的一个重要支撑，主要研究如何在分布式环境下进行大规模数据的处理和分析。云计算提供了一种弹性、可扩展的资源服务模式，使得大数据的处理和应用更加高效和便捷。
10. 数据可视化：这是大数据技术的一个重要工具，主要研究如何将复杂的数据以直观的方式展示出来，帮助人们更好地理解数据。数据可视化技术可以帮助我们进行数据地图、仪表盘、热力图等多种形式的数据展示。
