机器学习与数据挖掘机器学习和数据挖掘哪个更有前途

机器学习，数据挖掘的书有哪些

《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。

第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。

第四部分介绍了机器学习算法的一些附属工具。

《数据挖掘-实用机器学习技术》：本书介绍数据挖掘的基本理论与实践方法。

主要内容包括：各种模型(决策树，关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用，所存任缺陷的分析。

安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台Weka。

Weka系统拥有进行数据挖掘仟务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。

《数据挖掘：概念与技术》：本书全面地讲述数据挖掘领域的重要知识和技术创新。

在第1版内容相当全面的基础上，第2版展示了该领域的最新研究成果，例如挖掘流、时序和序列数据以及挖掘时间空间、多媒体、文本和Web数据。

本书可作为数据挖掘和知识发现领域的教师、研究人员和开发人员的一本必读书。

人工智能，机器学习，统计学，数据挖掘之间有什么区别

从集合的角度来说，人工智能包含机器学习。

。

。

数据挖掘是用到了机器学习中的很多东西，但两者不是同一个东西，连概念都不一样，前者是偏向应用，但应用中的很多理论和方法，来源于机器学习。

至于统计学，是一种研究方法和手段，只是在上面三者中，是数学基础中的一种。

。

本科生出来做机器学习，数据挖掘的工作会比研究生差很多吗

1、如果是同专业的本科生和同专业的研究生对比的话，一般情况下，我说的是一般情况，研究生还是有优势的。

优势在哪里，就在对工具的应用、对理论的了解要更深入的多。

如果是博士研究生的话，那更是钻研的深，连本科里面的很多公式都必须要推导的出来，能用代码全部实现。

而且研究生经常是泡课题，而课题却经常是项目式的，很接地气，来自于实战。

2、如果是和机器学习对口专业度都不高的本科和研究生作比较，就不好说了。

被碾压和完胜，或者逆袭的场景我都见过，某些算法及其应用领域我自己也逆袭过数学博士。

本人金融学硕士，但是数据挖掘中时间序列、聚类分析、主成分分析从原理到应用我的钻研深度不亚于人家博士。

就是因为本人工作经验比对方要多，数据的业务本质理解比对方要深。

所以方法工具的理解和使用有很多实战经验来支撑。

大数据，数据挖掘，机器学习三者什么区别和联系

1、大数据就是许多数据的聚合； 2、数据挖掘就是把这些数据的价值发掘出来，比如说你有过去10年的气象数据，通过数据挖掘，你几乎可以预测明天的天气是怎么样的，有较大概率是正确的； 3、机器学习嘛说到底它是人工智能的核心啦，你要对大数据进行发掘，靠你人工肯定是做不来的，那就得靠机器，你通过一个模型，让计算机按照你的模型去执行，那就是机器学习啦。

我学校有一门选修课叫“机器学习与数据挖掘”，请问这是关于什么的？会有意思吗？

现在大多数的都是介绍的，或者研究生有课程是深入研究的，一般人想学不是那么容易的，不过前一阵子收到过邮件，叫培乐园的，有机器学习培训，看他的课程介绍还挺详细的，除了讲理论，还有实训，准备去看看

机器学习和数据挖掘哪个更有前途

说实话，现在的时代发展确实太快了！有时候感觉根本就跟不上节奏，更别说去预测和掌控了；特别是互联网方向，各种新技术不停的冒出来。

对于数据挖掘这个方向吧，也就是最近几年突然大热起来的。

结果很正常，一边是这个方向本身的飞速发展，这给了我们很多机会；但另一边是社会上各种相关甚至不相关的人才蜂拥而入，大家都想来搞搞（趋利性是人的本性）！ 结果会怎样呢？这个觉得也是大家各抒己见，因为任何时候，对任何事物，总会有人唱好有人唱衰，其实没有谁说的一定是对的；只能说大部分时候，那个大群体和总趋势对的概率要大很多。

所以建议你也不要偏信偏听，总归还是要有自己的批判性思维。

我个人的看法呢，照目前这种发展情况来看，数据挖掘迟早会人才饱和，造成知识红利下降，最后到达一个跟现在的Android开发差不多的情况（以前安卓开发多火，大家一窝蜂涌入，现在慢慢饱和了，大家就归于理性了吧？） 目前就我来看，首先，一方面虽然想学数据方面的人好像特别特别多，但是实际上能坚持下来，并且真的学好的人并不多（高校这个专业一年培养不了多少人，大部分还是在自我摸索和学习），你作为这方面的博士，你的专业性肯定会遥遥领先绝大多数人的。

其次，数据挖掘目前并没有很多人感官的那么神，它目前还存在很多的欠缺与不足，从这方面说，我觉得数据挖掘目前还仅仅只是刚过了一个婴儿期不久，它正在走向青壮年的路上，但毫无疑问这需要一个过程。

为什么这么说呢，因为数据科学现在不管是从算法建模还是实际应用都还需要进一步的成长，特别是实际应用方面，未来，数据科学肯定会进一步落地，真的跟各行各业去结合，去驱动各行各业的发展。

这些难道在你博士期间就都能做完吗？反正我是不信！ 所以个人建议，总体来看，你不用担心这个行业会马上过气，好好发挥你自己的优势，把理论基础打扎实，后面跟具体的业务去结合应用，你的竞争力绝对很高的！