人工智能体系理解

人工智能元年来临，大数据在这里充当什么角色？数据分析是什么定位？职业区分？

看一张小白能即刻理解的图片

简单问题？

全球最大的旅行房屋租赁社区Airbnb曾在2011年纠结于新用户增长的缓慢，有一天，他们的数据分析团队发现房源照片的精美程度，跟房源的预定人数成很大的正相关。于是，他们提出一种假设，即“附有专业摄影照片的房源要更抢手，因此房主肯定会愿意申请Airbnb提供的此项服务”。他们迅速上线了一个提供专业摄影照片服务的版本，然后跟原版本做A/B Test，发现同一个房源，使用专业摄影服务的比不使用的多了2-3倍的订单量。

复杂问题？

2010年前后，门户时代崛起的网易、搜狐、腾讯三巨头向移动端转型，几乎垄断了当时的新闻客户端市场。而仅仅2年后，今日头条，使用“机器学习”这把屠龙刀向用户个人性化推荐用户感兴趣的新闻，一举打破巨头垄断，成为新闻客户端老大。虽然，后来腾讯和网易为了对抗头条，推出了类似的产品的天天快报和网易号，但因起步晚和算法不成熟，都失败了。

白话总结

像点赞数、评论数、收藏数、总阅读量这样的分析就是简单分析。像“你可能感兴趣的人”这样的分析，就是复杂分析，需要通过机器学习算法来找到，类似于豆瓣上给你推荐感兴趣的电影、淘宝上给你推荐感兴趣的商品。

书面语定义

1）人工智能指使机器像人一样去决策

2）机器学习是实现人工智能的一种技术

3）深度学习是机器学习中的一个分支方法。重点在于神经网络算法。

4）数据分析是基础，学会了数据分析处理数据的方法，你才能看懂机器学习方面的知识。

人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段，深度学习则是机器学习的一个分支。大数据是人工智能的基础，机器学习使大数据转变为知识或生产力。

深度学习它除了可以学习特征和任务之间的关联以外，还能自动从简单特征中提取更加复杂的特征。在很多人工智能问题上，深度学习的方法突破了传统机器学习方法的瓶颈，推动了人工智能领域的快速发展。

数据分析可以帮助你从零进入人工智能时代：如果你喜欢深入技术，学会了数据分析，可以去学习机器学习。如果你喜欢商业方面的内容，可以往人工智能业务方向发展。

关于数据挖掘

随着2006年以Hadoop为代表的大数据技术的蓬勃兴起，解决了数据库时代的数据存储和处理能力的不足限制；云计算技术的大规模应用，比如Amazon和阿里云为代表的云计算厂商，将处理能力和计算能力的成本大大降低，从而让大规模的集群计算系统变得廉价；从而将针对数据的分析拓展至全量的数据分析，而非数据抽样。另外一个方面是将从前在数据挖掘时代无法应用的算法和思路变成了可能。这个时代ML(Machine Learning)机器学习逐渐取代数据挖掘，成为火热的关键词。

那机器学习与数据挖掘的关系是什么呢？机器学习是建立在数据挖掘技术之上发展而来，数据挖掘的概念更广，机器学习只是数据挖掘领域中的一个新兴分支与细分领域，只不过基于大数据技术让其逐渐成为了当下显学和主流。

数据分析是把数据变成信息的工具，数据挖掘是把信息变成认知的工具，如果我们想要从数据中提取一定的规律往往需要数据分析和数据挖掘结合使用。下面是一个比较弱的例子：

举个例子：你有50块钱，去买菜，经过一一问价，你知道了50块钱能买多少蔬菜，能买多少肉，能吃多少天，心里得出一组信息，这就是数据分析。根据自己的偏好，营养价值，用餐时间计划，最有性价比的组合确定了一个购买方案，这就是数据挖掘。

人工智能相关企业

https://blog.csdn.net/luanpeng825485697/article/details/78769184

几篇优质好文

数据统计分析和数据挖掘有何区别？

http://www.duozhishidai.com/article-11047-1.html

数据挖掘的聚类算法和优势

http://www.duozhishidai.com/article-12942-1.html

如何通过自学，成为数据挖掘“高手”？

http://www.duozhishidai.com/article-9796-1.html