研究生阶段学习数据挖掘方向与机器学习方向区别在什么地方？

机器学习是一种理论和方法，主要解决人工智能中的问题，机器学习是用数据或过去积累的经验，以此优化计算机程序的性能标准。

数据挖掘是一种应用和目的，一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程，目标是从大量数据中提取模式和知识，并将其转换成可理解的结构，以进一步使用。机器学习是数据挖掘手段中的一个。

---

其实，现在的数据挖掘大多都是采用深度学习和机器学习的方法做。相比深度学习，机器学习可以做的东西更广更全一些，比如自然语言处理、计算机视觉等。至于哪边更好，我只能说现在这两边的研究人员都是鱼龙混杂，如果是有梦想，想做理论研究，追未来热点，直接转机器学习的理论研究。如果对于应用这块比较感兴趣，想弄份稳定工作，学数据挖掘做大数据（经济，网络，推荐系统）是很好的选择。但这两方向都需要做到很深你才能真正站在顶端。来源：微信公众号-计算机信息观察家