先看如下三张图：
图一：
图二：
图三：图二详细版本
人工智能：是一个大概念，从有效的老式人工智能（GOFAI）到联结主义结构，无所不包。而机器学习则是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees，运用概率分析的一种图解法）、随机森林（Random Forest，运用概率分析的一种图解法）、PCA（Principal Component Analysis，主成分分析）、SVM（Support Vector Machine，支持向量机）以及ANN（Artificial Neural Networks，人工神经网络）。而人工神经网络则是深度学习的起源。
机器学习：machine learning，是计算机科学和统计学的交叉学科，基本目标是学习一个x->y的函数（映射），来做分类或者回归的工作。之所以经常和数据挖掘合在一起讲是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的，
例如，广告的ctr预估，PB级别的点击日志在通过典型的机器学习流程可以得到一个预估模型，从而提高互联网广告的点击率和回报率；
个性化推荐，还是通过机器学习的一些算法分析平台上的各种购买，浏览和收藏日志，得到一个推荐模型，来预测你喜欢的商品。
深度学习：deep learning，机器学习里面现在比较火的一个topic（大坑），本身是神经网络算法的衍生，在图像，语音等富媒体的分类和识别上取得了非常好的效果，所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。
数据挖掘：也就是data mining，是一个很宽泛的概念。字面意思就是从成吨的数据里面挖掘有用的信息。这个工作BI（商业智能）可以做，数据分析可以做，甚至市场运营也可以做。你用excel分析分析数据，发现了一些有用的信息，然后这些信息可以指导你的business，恭喜你，你已经会数据挖掘了。
如果你想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。点击这里可以查看教程。
总结下，
数据挖掘是个很宽泛的概念，
数据挖掘常用方法大多来自于机器学习这门学科，
深度学习是机器学习一类比较火的算法，本质上还是原来的神经网络。
链接：
为什么说深度学习和机器学习截然不同？_网易科技
数据挖掘、机器学习、深度学习这些概念有区别吗？
以下图片来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ 作者：黄钊hanniman
（图1）这是一个非常生动的例子，说明什么是机器学习——宝宝们将“分享”理解为“受到伤害”的含义，并且实际应用。
（图2）深度学习，是应用了多层神经网络的机器学习。（在图1的角度，机器学习和深度学习，不是并列概念，而是子集关系）
（图3~图5）机器学习，是计算的反问题（逆运算），这是我目前看到的最通俗易懂的一个解释。
图4 什么是计算？
图5 什么是计算的反问题？
（图6）类“机器学习”——看相。感觉如果做一款可以看手相、面相的AI产品，也蛮有意思的。
（图7）其他相关概念的通俗理解。
（图8）机器学习的各种问题和局限性。
先看如下三张图：
图一：
图二：
图三：图二详细版本
人工智能：是一个大概念，从有效的老式人工智能（GOFAI）到联结主义结构，无所不包。而机器学习则是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees，运用概率分析的一种图解法）、随机森林（Random Forest，运用概率分析的一种图解法）、PCA（Principal Component Analysis，主成分分析）、SVM（Support Vector Machine，支持向量机）以及ANN（Artificial Neural Networks，人工神经网络）。而人工神经网络则是深度学习的起源。
机器学习：machine learning，是计算机科学和统计学的交叉学科，基本目标是学习一个x->y的函数（映射），来做分类或者回归的工作。之所以经常和数据挖掘合在一起讲是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的，
例如，广告的ctr预估，PB级别的点击日志在通过典型的机器学习流程可以得到一个预估模型，从而提高互联网广告的点击率和回报率；
个性化推荐，还是通过机器学习的一些算法分析平台上的各种购买，浏览和收藏日志，得到一个推荐模型，来预测你喜欢的商品。
深度学习：deep learning，机器学习里面现在比较火的一个topic（大坑），本身是神经网络算法的衍生，在图像，语音等富媒体的分类和识别上取得了非常好的效果，所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。
数据挖掘：也就是data mining，是一个很宽泛的概念。字面意思就是从成吨的数据里面挖掘有用的信息。这个工作BI（商业智能）可以做，数据分析可以做，甚至市场运营也可以做。你用excel分析分析数据，发现了一些有用的信息，然后这些信息可以指导你的business，恭喜你，你已经会数据挖掘了。
如果你想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。点击这里可以查看教程。
总结下，
数据挖掘是个很宽泛的概念，
数据挖掘常用方法大多来自于机器学习这门学科，
深度学习是机器学习一类比较火的算法，本质上还是原来的神经网络。
链接：
为什么说深度学习和机器学习截然不同？_网易科技
数据挖掘、机器学习、深度学习这些概念有区别吗？
以下图片来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ 作者：黄钊hanniman
（图1）这是一个非常生动的例子，说明什么是机器学习——宝宝们将“分享”理解为“受到伤害”的含义，并且实际应用。
（图2）深度学习，是应用了多层神经网络的机器学习。（在图1的角度，机器学习和深度学习，不是并列概念，而是子集关系）
（图3~图5）机器学习，是计算的反问题（逆运算），这是我目前看到的最通俗易懂的一个解释。
图4 什么是计算？
图5 什么是计算的反问题？
（图6）类“机器学习”——看相。感觉如果做一款可以看手相、面相的AI产品，也蛮有意思的。
（图7）其他相关概念的通俗理解。
（图8）机器学习的各种问题和局限性。
先看如下三张图：