人工智慧是電腦科學的一個分支，機器學習是電腦科學和統計學的交叉學科。資料探勘是機器學習和資料庫的交叉。資料探勘利用機器學習的技術來分析海量資料，人工智慧也用機器學習的方法解決問題。如：個性化推薦，就是通過機器學習的一些演算法、技術分析平臺上的各種購買，瀏覽和收藏日誌的海量資料，得到一個推薦模型，來預測你喜歡的商品。

人工智慧Artificial Intelligence：縮寫為AI，是電腦科學的一個分支。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。該領域的研究包括語音識別、影象識別、機器人、自然語言處理、智慧搜尋和專家系統等。人工智慧不是人的智慧，但能像人那樣思考，有可能超過人的智慧。

機器學習Machine learning：機器學習（Machine Learning）是指用某些演算法指導計算機利用已知資料得出適當的模型，並利用此模型對新的情境給出判斷的過程。是人工智慧的核心研究領域之一，是電腦科學和統計學的交叉學科，基本目標是學習一個x->y的函式（對映），來做分類或者回歸的工作。現在好多資料探勘的工作是通過機器學習提供的演算法工具實現。如個性化推薦，還是通過機器學習的一些演算法分析平臺上的各種購買，瀏覽和收藏日誌，得到一個推薦模型，來預測你喜歡的商品。任何通過資料訓練的學習演算法的相關研究都屬於機器學習，包括很多已經發展多年的技術，比如線性迴歸（Linear Regression）、K均值（K-means，基於原型的目標函式聚類方法）。

資料探勘Data mining：是識別出巨量資料中有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。大體上看，資料探勘可以視為機器學習和資料庫的交叉，它主要利用機器學習界提供的技術來分析海量資料，利用資料庫界提供的技術來管理海量資料。

推薦演算法：機器學習是方法，人工智慧/資料探勘是應用，可以使用機器學習，也可以使用別的方法。資料探勘有很多應用場景，推薦系統是其中一個業務目的明確的, 有一定歷史的，成體系的，已經形成較為完善的經驗積累的應用場景。推薦系統裡講的機器學習演算法更貼近推薦業務，側重於演算法應用，應用效果，對具體業務指標的影響，給整個系統帶來的侷限或提升等等。