數據分析、數據挖掘、機器學習、神經網絡、深度學習和人工智能概念區別（入門級別）

數據分析， 就是對數據進行分析， 得出一些結論性的內容， 用於決策。 分析什麼哪？ 根據分析現狀、 分析緣由、 預測將來。 分析現狀和分析緣由， 須要結合業務才能解釋清楚。 用到的技術比較簡單， 最簡單的數據分析工具就是 Excel。 預測將來指的是分析將來一段時間的銷售額之類的。 在預測將來方面， 通常用到數據挖掘的技術了。
　　數據挖掘， 從字面意思上看， 是從數據中挖掘出有價值的信息。 好比， 超市經過對一段時間的客戶消費記錄能發現， 哪些物品常常被顧客一塊兒購買。 那麼， 就能夠把這些物品擺放的位置近一些， 或者一塊兒促銷。 在這裏， 客戶的消費記錄是「數據」 ， 「挖掘」 出的信息是哪些商品常常被一塊兒購買。 「價值」 指的是超市能夠據此搞促銷， 提升超市的銷售額。 挖掘出這些有價值信息的方法就是課程中須要學習的。 數據挖掘關注的是一些方法如何在商業中應用， 並非純粹的理論和學術。
　　機器學習， 是研究如何讓計算機去學習。 學習什麼哪？ 根據一些過去的事實， 學習如何適應新的環境。過小白了， 嚴肅點！ 機器學習， 是研究算法的學科， 研究的是如何讓計算機根據以往的經驗去適應新的環境。 這裏「以往的經驗」 指的是歷史數據， 「適應」 指的是經過歷史數據創造一個很牛逼的函數， 「新的環境」 指的是把新的數據輸入到這個函數中， 產生一個新的輸出。 機器學習本質上是研究自學習算法的科學， 這些算法是幫助軟件和機器進行自我學習解決問題的算法。
　　神經網絡， 是機器學習中的一個算法模型， 指的是模擬人的神經系統。 你們知道， 人的神經很是複雜，因此神經網絡算法須要的計算量很大。 神經網絡在之前一直不溫不火， 緣由是計算機硬件不足以支撐神經網絡的計算量。 如今大數據技術的發展， 讓神經網絡迎來了春天。 好比人臉識別、 交通領域的車牌識別技
術都是神經網絡的應用。
　　深度學習， 屬於神經網絡的一個發展分支， 指的是層數不少的神經網絡， 能夠簡單理解爲更加高級的神經網絡。 把神經網絡比做數學學科， 深度學習相似於高等數學。 無人駕駛汽車屬於深度學習的典型應用。
　　人工智能， 縮寫是 AI， 就是像人同樣的智能、 會思考。 人工智能更適合理解爲一個產業， 泛指產生更加智能的軟件和硬件。 人工智能實現的方法就是機器學習， 因此談人工智能技術， 實際上就是機器學習的各類算法的應用。 各類智能家居、 智能機器人都是人工智能產業的方向。
　　綜上， 人工智能就是一個產業， 人工智能的實現手段主要靠機器學習的各類算法。 在機器學習的算法中， 深度學習是一個智能化程度很是高的算法。 如今雲計算和大數據技術的發展， 讓神經網絡和深度學習得以在實際中應用。
　　大數據時代， 數據是企業的最值錢的財富， 但海量的數據並不是都是有價值的， 如何挖掘出有用的數據變成商業價值， 就須要機器學習算法。 大數據和機器學習勢必顛覆傳統行業的運營方式， 必將驅動公司業務的發展。 目前， 愈來愈多的機器學習/數據挖掘/深度學習算法被應用在電商、 搜索、 金融、 遊戲， 醫療等
領域中的分析、 挖掘、 推薦上。
　　但懂機器學習算法的人才卻少之又少， 物以稀爲貴， 導致這個行業的工資奇高。