一、人工智慧、大資料、雲端計算：https://blog.csdn.net/zw0pi8g5c1x/article/details/80027593

二、資料探勘與機器學習：https://blog.csdn.net/xiaogss/article/details/79316063

資料探勘和機器學習的區別和聯絡，周志華有一篇很好的論述《機器學習和資料探勘》可以幫助大家理解。

   資料探勘受到很多學科領域的影響，其中資料庫、機器學習、統計學無疑影響最大。簡言之，對資料探勘而言，資料庫提供資料管理技術，機器學習和統計學提供資料分析技術。

   由於統計學往往醉心於理論的優美而忽視實際的效用，因此，統計學界提供的很多技術通常都要在機器學習界進一步研究，變成有效的機器學習演算法之後才能再進入資料探勘領域。從這個意義上說，統計學主要是通過機器學習來對資料探勘發揮影響，而機器學習和資料庫則是資料探勘的兩大支撐技術。

    從資料分析的角度來看，絕大多數資料探勘技術都來自機器學習領域，但機器學習研究往往並不把海量資料作為處理物件，因此，資料探勘要對演算法進行改造，使得演算法效能和空間佔用達到實用的地步。同時，資料探勘還有自身獨特的內容，即關聯分析。

    而模式識別和機器學習的關係是什麼呢，傳統的模式識別的方法一般分為兩種：統計方法和句法方法。句法分析一般是不可學習的，而統計分析則是發展了不少機器學習的方法。也就是說，機器學習同樣是給模式識別提供了資料分析技術。

   至於，資料探勘和模式識別，那麼從其概念上來區分吧，資料探勘重在發現知識，模式識別重在認識事物。

   機器學習的目的是建模隱藏的資料結構，然後做識別、預測、分類等。因此，機器學習是方法，模式識別是目的。

   總結一下吧。只要跟決策有關係的都能叫 AI(人工智慧)，所以說 PR（模式識別）、DM（資料探勘）、IR（資訊檢索） 屬於 AI 的具 體應用應該沒有問題。 研究的東西則不太一樣， ML(機器學習) 強調自我完善的過程。 Anyway，這些學科都是相通的。