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）

数据分析， 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、 分析缘由、 预测将来。 分析现状和分析缘由， 须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。 预测将来指的是分析将来一段时间的销售额之类的。 在预测将来方面， 通常用到数据挖掘的技术了。
　　数据挖掘， 从字面意思上看， 是从数据中挖掘出有价值的信息。 好比， 超市经过对一段时间的客户消费记录能发现， 哪些物品常常被顾客一块儿购买。 那么， 就能够把这些物品摆放的位置近一些， 或者一块儿促销。 在这里， 客户的消费记录是“数据” ， “挖掘” 出的信息是哪些商品常常被一块儿购买。 “价值” 指的是超市能够据此搞促销， 提升超市的销售额。 挖掘出这些有价值信息的方法就是课程中须要学习的。 数据挖掘关注的是一些方法如何在商业中应用， 并非纯粹的理论和学术。
　　机器学习， 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。过小白了， 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” 指的是经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。
　　神经网络， 是机器学习中的一个算法模型， 指的是模拟人的神经系统。 你们知道， 人的神经很是复杂，因此神经网络算法须要的计算量很大。 神经网络在之前一直不温不火， 缘由是计算机硬件不足以支撑神经网络的计算量。 如今大数据技术的发展， 让神经网络迎来了春天。 好比人脸识别、 交通领域的车牌识别技
术都是神经网络的应用。
　　深度学习， 属于神经网络的一个发展分支， 指的是层数不少的神经网络， 能够简单理解为更加高级的神经网络。 把神经网络比做数学学科， 深度学习相似于高等数学。 无人驾驶汽车属于深度学习的典型应用。
　　人工智能， 缩写是 AI， 就是像人同样的智能、 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， 因此谈人工智能技术， 实际上就是机器学习的各类算法的应用。 各类智能家居、 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类算法。 在机器学习的算法中， 深度学习是一个智能化程度很是高的算法。 如今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， 但海量的数据并不是都是有价值的， 如何挖掘出有用的数据变成商业价值， 就须要机器学习算法。 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， 愈来愈多的机器学习/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， 导致这个行业的工资奇高。