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、 分析原因、 预测未来。 分析现状和分析原因， 需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。 预测未来指的是分析未来一段时间的销售额之类的。 在预测未来方面， 一般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。 比如， 超市通过对一段时间的客户消费记录能发现， 哪些物品经常被顾客一起购买。 那么， 就可以把这些物品摆放的位置近一些， 或者一起促销。 在这里， 客户的消费记录是“数据” ， “挖掘” 出的信息是哪些商品经常被一起购买。 “价值” 指的是超市可以据此搞促销， 提高超市的销售额。 挖掘出这些有价值信息的方法就是课程中需要学习的。 数据挖掘关注的是一些方法如何在商业中应用， 并不是纯粹的理论和学术。
　　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。太小白了， 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” 指的是通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。 大家知道， 人的神经非常复杂，所以神经网络算法需要的计算量很大。 神经网络在以前一直不温不火， 原因是计算机硬件不足以支撑神经网络的计算量。 现在大数据技术的发展， 让神经网络迎来了春天。 比如人脸识别、 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， 指的是层数很多的神经网络， 可以简单理解为更加高级的神经网络。 把神经网络比作数学学科， 深度学习类似于高等数学。 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， 就是像人一样的智能、 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， 所以谈人工智能技术， 实际上就是机器学习的各种算法的应用。 各种智能家居、 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种算法。 在机器学习的算法中， 深度学习是一个智能化程度非常高的算法。 现在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， 但海量的数据并非都是有价值的， 如何挖掘出有用的数据变成商业价值， 就需要机器学习算法。 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， 越来越多的机器学习/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， 致使这个行业的工资奇高。