1.人工智能&数据挖掘&机器学习&深度学习&统计模型

人工智能：是一个大的概念，是让机器像人一样思考甚至超越人类。

数据挖掘：有目的地从现有大数据中提取数据的模式(pattern)和模型(model)。

——比较偏向探索性分析，不是强烈的目的导向，只是能发现多少发现多少。

数据挖掘本质上像是机器学习和人工智能的基础，他的主要目的是从各种各样的数据来源中，提取出超集(superset)的信息，然后将这些信息合并让你发现你从来没有想到过的模式和内在关系。这就意味着，数据挖掘不是一种用来证明假说的方法，而是用来构建各种各样的假说的方法。当然，数据挖掘会使用大量机器学习的算法，但是其特定的环境和目的和机器学习不太一样。

机器学习：是实现人工智能的一种方法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。

——比较偏向项目性分析，有强烈目的比如回归、分类、标签等。

深度学习：是机器学习的一种实现方式，通过模拟人神经网络的方式来训练网络。

统计学：是机器学习和神经网络的一种基础知识。

参考：

【数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)的区别是什么？ 数据科学(data science)和商业分析(business analytics)之间有什么关系？】

【机器学习入门】拥抱人工智能，从机器学习开始