數(shù)據(jù)挖掘側(cè)重于根據(jù)已有數(shù)據(jù)訓(xùn)練出的模型推測(cè)將來(lái)的數(shù)據(jù)，機(jī)器學(xué)習(xí)還可以搞很多別的東西，例如圖像識(shí)別、圖像檢索等。你說(shuō)的那些算法都是學(xué)習(xí)這兩門課的一些基礎(chǔ)算法，我感覺(jué)機(jī)器學(xué)習(xí)研究的領(lǐng)域更寬，個(gè)人理解。

大數(shù)據(jù) 和 數(shù)據(jù)挖掘 的區(qū)別

大數(shù)據(jù)概念：大數(shù)據(jù)是近兩年提出來(lái)的，有三個(gè)重要的特征：數(shù)據(jù)量大，結(jié)構(gòu)復(fù)雜，數(shù)據(jù)更新速度很快。由于Web技術(shù)的發(fā)展，web用戶產(chǎn)生的數(shù)據(jù)自動(dòng)保存、傳感器也在不斷收集數(shù)據(jù)，以及移動(dòng)互聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)自動(dòng)收集、存儲(chǔ)的速度在加快，全世界的數(shù)據(jù)量在不斷膨脹，數(shù)據(jù)的存儲(chǔ)和計(jì)算超出了單個(gè)計(jì)算機(jī)(小型機(jī)和大型機(jī))的能力，這給數(shù)據(jù)挖掘技術(shù)的實(shí)施提出了挑戰(zhàn)（一般而言，數(shù)據(jù)挖掘的實(shí)施基于一臺(tái)小型機(jī)或大型機(jī)，也可以進(jìn)行并行計(jì)算）。?
數(shù)據(jù)挖掘概念: 數(shù)據(jù)挖掘基于數(shù)據(jù)庫(kù)理論，機(jī)器學(xué)習(xí)，人工智能，現(xiàn)代統(tǒng)計(jì)學(xué)的迅速發(fā)展的交叉學(xué)科，在很多領(lǐng)域中都有應(yīng)用。涉及到很多的算法，源于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，決策樹(shù)，也有基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)，分類回歸樹(shù)，和關(guān)聯(lián)分析的諸多算法。數(shù)據(jù)挖掘的定義是從海量數(shù)據(jù)中找到有意義的模式或知識(shí)。?
大數(shù)據(jù)需要映射為小的單元進(jìn)行計(jì)算，再對(duì)所有的結(jié)果進(jìn)行整合，就是所謂的map-reduce算法框架。在單個(gè)計(jì)算機(jī)上進(jìn)行的計(jì)算仍然需要采用一些數(shù)據(jù)挖掘技術(shù)，區(qū)別是原先的一些數(shù)據(jù)挖掘技術(shù)不一定能方便地嵌入到 map-reduce 框架中，有些算法需要調(diào)整。?
大數(shù)據(jù)和數(shù)據(jù)挖掘的相似處或者關(guān)聯(lián)在于： 數(shù)據(jù)挖掘的未來(lái)不再是針對(duì)少量或是樣本化，隨機(jī)化的精準(zhǔn)數(shù)據(jù)，而是海量，混雜的大數(shù)據(jù)，數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。這一過(guò)程也是質(zhì)量管理體系的支持過(guò)程。在實(shí)用中，數(shù)據(jù)分析可幫助人們作出判斷。?

拓展資料：
大數(shù)據(jù)（big data），指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。?



在維克托·邁爾-舍恩伯格及肯尼斯·庫(kù)克耶編寫(xiě)的《大數(shù)據(jù)時(shí)代》 中大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。大數(shù)據(jù)的5V特點(diǎn)（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）。