[TOC]

数据挖掘、机器学习、人工智能、模式识别的区别和联系

区别：三者的主要目的不同；联系：手段(算法、模型)有很大的重叠

数据挖掘(Data mining): 有目的地从现有大数据中提取数据的模式(pattern)和模型(model)。其核心目是重在发现知识，找到数据变量之间的关系。其发展出来的主要原因是大数据的发展，用传统的数据分析的方式已经无法处理那么多大量的看似不相关的数据的处理，因此需要数据挖掘技术去提取各种数据和变量之间的相互关系，从而精炼数据。关键字：模式提取，大数据。

机器学习(machine learning): 自动地从过往的经验中学习新的知识。器学习需要一定数量的训练数据集(training data set)，用于构建来自过往经验的“知识”，且机器学习目前在实践中最重要的功能便是预测结果。关键字: 自动化，自我优化，预测，需要training data，推荐系统。

人工智能(AI): 一个广泛的概念，本质是用数据和模型去为现有的问题(existing problems)提供解决方法(solutions)。人工智能是一个与机器学习和数据挖掘相对不同的概念，人工智能的目的是为了去创造有智力的电脑(不知道怎么翻译好，可以假设其为机器人)。在实践中，我们希望这个电脑可以像有智力的人一样处理一个任务。因此，理论上人工智能几乎包括了所有和机器能做的内容，当然也包括了数据挖掘和机器学习的内容，同时还会有监视(monitor)和控制进程(process control)的内容。关键字：和人一样处理问题，技术的合集

模式识别: 重在认识事物。

关键技术

• Embedding

• Attention

• Adversarial

• Reinforcement

• Convolutional

• Recurrent

研究任务

• Classification

• Regression

• Prediction

• Recognition

• Tracking

• Segmentation

• Translation

• Recommendation

指标多样性

Efficient(59)，Robust(30)，Dynamic(29)，Adaptive(29)，Hierarchical(26)

竞赛

阿里云-天池大赛

数学公式