數(shù)據(jù)挖掘可以分析現(xiàn)有數(shù)據(jù)中的隱藏信息，但我個(gè)人認(rèn)為深度學(xué)習(xí)更有前景。數(shù)據(jù)挖掘主要研究收集大數(shù)據(jù)的方法，技術(shù)較深度學(xué)習(xí)成熟，屬于發(fā)展較快的；深度學(xué)習(xí)是統(tǒng)計(jì)學(xué)和信息技術(shù)的交叉學(xué)科，側(cè)重于如何分析運(yùn)用已知大數(shù)據(jù)進(jìn)行推理和建立新模型，近幾年來(lái)開(kāi)始受到外界重視。數(shù)據(jù)挖掘可能需要重復(fù)掃描大量數(shù)據(jù)以得出較為理想的信息，對(duì)算法要求較高；深度學(xué)習(xí)則是模仿人類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)模式分析數(shù)據(jù)特征，以建立相應(yīng)的模型。這些模型可以在被合理沿用的前提下解決一些未知的問(wèn)題，但模型必須基于大量有用的學(xué)習(xí)數(shù)據(jù)，耗時(shí)較長(zhǎng)。兩者得出的結(jié)論皆可能與理想模型有差距，而且兩者對(duì)提供的數(shù)據(jù)依賴較大?？梢灶A(yù)見(jiàn)的是，未來(lái)很多領(lǐng)域遇到復(fù)雜問(wèn)題會(huì)趨向于使用深度學(xué)習(xí)技術(shù)求出的結(jié)果作為參考，而不只是單純地基于數(shù)據(jù)發(fā)掘。因?yàn)橄鄬?duì)數(shù)據(jù)發(fā)掘而言，一個(gè)由深度學(xué)習(xí)得出來(lái)的通用模型可以解決相當(dāng)多的問(wèn)題。但是深度學(xué)習(xí)對(duì)編程技術(shù)和數(shù)據(jù)收集提出了更高的要求，因此成本比較高，目前深度學(xué)習(xí)的開(kāi)發(fā)者多數(shù)來(lái)自大公司?！旧鲜鰝€(gè)人意見(jiàn)僅供參考】