数据挖掘和深度学习哪个更有发展前景

数据挖掘可以分析现有数据中的隐藏信息，但我个人认为深度学习更有前景。数据挖掘主要研究收集大数据的方法，技术较深度学习成熟，属于发展较快的；深度学习是统计学和信息技术的交叉学科，侧重于如何分析运用已知大数据进行推理和建立新模型，近几年来开始受到外界重视。数据挖掘可能需要重复扫描大量数据以得出较为理想的信息，对算法要求较高；深度学习则是模仿人类神经网络的学习模式分析数据特征，以建立相应的模型。这些模型可以在被合理沿用的前提下解决一些未知的问题，但模型必须基于大量有用的学习数据，耗时较长。两者得出的结论皆可能与理想模型有差距，而且两者对提供的数据依赖较大。可以预见的是，未来很多领域遇到复杂问题会趋向于使用深度学习技术求出的结果作为参考，而不只是单纯地基于数据发掘。因为相对数据发掘而言，一个由深度学习得出来的通用模型可以解决相当多的问题。但是深度学习对编程技术和数据收集提出了更高的要求，因此成本比较高，目前深度学习的开发者多数来自大公司。【上述个人意见仅供参考】

深度学习（Deep Learning ）是Machine learning的一个经典算法。之所以叫deep，是因为和传统方法比较加深了层数（layer），从而可以解决更复杂的问题。所以问题应该是改成 Machine Learning和 Data Mining哪个方向更有前景。

Machine Learning是一个很火的研究方向，机器学习是研究计算机怎么模拟人类的学习行为，并且能组织已有的知识构架使之不断完善的性能的学科，是人工智能的核心，是使计算机具有智能的根本途径。随意随着科技的发展，machine Learning肯定会得到长足的发展的。只是machine Learning也有许多发展方向，不是每个方向都发展的起来。而Data Mining相比Machine Learning，数据挖掘的发展无疑成熟很多，虽然起步不算早但是发展很快，特别是近几年进入了大数据时代。

如果对数据挖掘和深度学习有疑问的话，推荐CDA数据分析师的课程，课程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的应用实现，并根据输出的结果分析业务需求，为进行合理、有效的策略优化提供数据支撑。课程涉及大量企业项目案例，为你进入名企做项目背书。点击预约免费试听课。

数据挖掘的前景更加广阔.