数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别（入门级别）

　　不多说，直接上干货！

　　[b]数据分析[/b]， 就是对数据进行分析， 得出一些结论性的内容， 用于决策。 分析什么哪？ 根据分析现状、 分析原因、 预测未来。 分析现状和分析原因， 需要结合业务才能解释清楚。 用到的技术比较简单， 最简单的数据分析工具就是 Excel。 预测未来指的是分析未来一段时间的销售额之类的。 在预测未来方面， 一般用到数据挖掘的技术了。
　　[b]数据挖掘[/b]， 从字面意思上看， 是从数据中挖掘出有价值的信息。 比如， 超市通过对一段时间的客户消费记录能发现， 哪些物品经常被顾客一起购买。 那么， 就可以把这些物品摆放的位置近一些， 或者一起促销。 在这里， 客户的消费记录是“数据” ， “挖掘” 出的信息是哪些商品经常被一起购买。 “价值” 指的是超市可以据此搞促销， 提高超市的销售额。 挖掘出这些有价值信息的方法就是课程中需要学习的。 数据挖掘关注的是一些方法如何在商业中应用， 并不是纯粹的理论和学术。
　　[b]机器学习[/b]， 是研究如何让计算机去学习。 学习什么哪？ 根据一些过去的事实， 学习如何适应新的环境。太小白了， 严肃点！ 机器学习， 是研究算法的学科， 研究的是如何让计算机根据以往的经验去适应新的环境。 这里“以往的经验” 指的是历史数据， “适应” 指的是通过历史数据创造一个很牛逼的函数， “新的环境” 指的是把新的数据输入到这个函数中， 产生一个新的输出。 机器学习本质上是研究自学习算法的科学， 这些算法是帮助软件和机器进行自我学习解决问题的算法。
　　[b]神经网络[/b]， 是机器学习中的一个算法模型， 指的是模拟人的神经系统。 大家知道， 人的神经非常复杂，所以神经网络算法需要的计算量很大。 神经网络在以前一直不温不火， 原因是计算机硬件不足以支撑神经网络的计算量。 现在大数据技术的发展， 让神经网络迎来了春天。 比如人脸识别、 交通领域的车牌识别技
术都是神经网络的应用。
　　[b]深度学习[/b]， 属于神经网络的一个发展分支， 指的是层数很多的神经网络， 可以简单理解为更加高级的神经网络。 把神经网络比作数学学科， 深度学习类似于高等数学。 无人驾驶汽车属于深度学习的典型应用。
　[b]　人工智能[/b]， 缩写是 AI， 就是像人一样的智能、 会思考。 人工智能更适合理解为一个产业， 泛指产生更加智能的软件和硬件。 人工智能实现的方法就是机器学习， 所以谈人工智能技术， 实际上就是机器学习的各种算法的应用。 各种智能家居、 智能机器人都是人工智能产业的方向。
　　综上， 人工智能就是一个产业， 人工智能的实现手段主要靠机器学习的各种算法。 在机器学习的算法中， 深度学习是一个智能化程度非常高的算法。 现在云计算和大数据技术的发展， 让神经网络和深度学习得以在实际中应用。
　　大数据时代， 数据是企业的最值钱的财富， 但海量的数据并非都是有价值的， 如何挖掘出有用的数据变成商业价值， 就需要机器学习算法。 大数据和机器学习势必颠覆传统行业的运营方式， 必将驱动公司业务的发展。 目前， 越来越多的机器学习/数据挖掘/深度学习算法被应用在电商、 搜索、 金融、 游戏， 医疗等
领域中的分析、 挖掘、 推荐上。
　　但懂机器学习算法的人才却少之又少， 物以稀为贵， 致使这个行业的工资奇高。