1樓：Alan
我會回答簡單一些：
機器學習是理論知識基礎；
自然語言是機器學習中深度學習的學習方向；
資料探勘是綜合大資料hadoop平台、資料分析、機器學習、深度學習的應用的工作崗位。
不言而喻，第一，從機器學習入手打基礎認識演算法；第二，選擇學習研究方向（NLP或視覺等）；第三，選擇學習方向的資料探勘崗位（補全技能）。
希望大家有幫助！
2樓：陳俊皓
為了更好的完成「自然語言處理」，用「機器學習」中的某種方法，對積累的語言資料進行「資料探勘」。
目的更關鍵，如果真的是想做自然語言處理，那就先好好學自然語言處理。為了乙個小目標，說不定簡單的演算法對相關資料的處理更合適。
演算法是工具。沒有好的演算法，只有合適的演算法。(這句引自被我忘了人名的人)
3樓：張巨集倫
這三者都屬於人工智慧。
機器學習是指從資料的特徵中學習到一些模式，從而能夠完成聚類和分類等任務；
自然語言處理面對的資料主要是文字，因此也產生了一些和語言對應的目標任務；
資料探勘可以理解為機器學習和資料庫兩個領域的交叉，主要是從資料中挖掘出一些價值，所使用的方法和所挖掘出的目標範圍更加寬泛。
至於這三者的入門，正好我製作了一門教程，都有些涉及，全棧資料工程師養成攻略 - 網易雲課堂 ，感興趣的童鞋可以關注下。
4樓：程鵬
你想的有點多，其實你都還不了解機器學習，NLP為何物，如何來的喜歡？只是因為聽的太多了，看到別人都說這個好，有錢途，才變成「喜歡」的。其實你喜歡數學嗎，微積分，線代，概率論先學好再說，然後再去名校讀個博士。
如果不想讀博士，還是別搞機器學習什麼了，好好做好碼農該做的東西，練好程式設計比搞那些實際的多
5樓：HexusH
從這本書開始吧，還有配套的MOOC，也許對題主輕鬆一些
Introduction to Statistical Learning
Statistical Learning
6樓：
先去國內前20，公尺國前100的學校混乙個數學/統計/計算機，並且和資料相關的學位在說吧
機器學習的職位，目前供需嚴重不平衡。很多人調過一兩個庫的幾個演算法就堂而皇之的把機器學習加到簡歷裡面去了，濫竽充數的現象很嚴重。所以對於新人來說，沒有學歷基本上就是被秒刷的命。
7樓：
你好, andrew ng 在 coursera 上的課 Machine Learning 其實相當簡單而且那門課帶中文字幕的只要會最基本的矩陣運算規則和微積分就能碾壓作業建議沉下心去看看
我覺得你基本找不到比它跟簡單的介紹材料, 看不懂就放棄吧. 是的那門課其實根本算不上入門, 只能算介紹...
8樓：小心假設
機器學習是個廣義的概念，非常廣。
用到計算機視覺中，即計算機視覺中的機器學習；
用到訊號處理中，即訊號處理中的機器學習；
用到自動控制中，即自動控制中的機器學習；
用到自然語言處理中，即自然語言處理中的機器學習。。。
9樓：
NLP是ML的具體應用，DM現在一般作為對ML中unsupervised learning的一種叫法，早年也和ML混用。
10樓：劉毅嵩
從難度上來講應該是機器學習》NLP>資料探勘，前面兩個偏學術後面乙個偏應用，現在data analyst很多啊，也不需要懂很多理論，有很多現成的工具可以用的。
11樓：gillxiao
NG的課在網易有字幕版，是在斯坦福上課的實拍，比cousera的更深，因為上課的是本科生（沒記錯的話），比較適合入門。不過數學的底子有要求，特別是線代。
話說回來，要做這一行，英語非常重要，樓主你得學英語了，讀和聽要搞定，最低限度讀要沒問題。另外，既然資料探勘都是零基礎，先把統計補一補。。。
做文字挖掘是否需要了解自然語言處理？
網感至察 網感至察 TML KnowledgeCloud如何實現 小知識 大資料 大知識 網感至察 網感至察發布 認知雲 新產品 提供一站式知識圖譜服務 網感至察 知識圖譜如何助力輿情監控公升級為商業智慧型 林中鹿 完了，我發現我做了這麼久的輿情分析，竟然搞不清文字挖掘和自然語言處理之間的關係。有人...
Hadoop工程師需要會資料探勘 機器學習 模式識別 嗎？
stucou 以前不需要現在需要。1 以前hadoop生態系統不成熟的時候，各個元件不好用，分布式處理的知識不普及，大資料應用也侷限於hbase訪問資料，hive跑sql出報表，流處理統計過濾資料。所以大資料工程師大部分時間在研究這些元件本身的用法和坑。2 隨著開源軟體的發展，大資料元件本身越來越成...
爬蟲，python工程師，資料探勘，機器學習。我該先以哪乙個為主？
我想，你之所以會提這個問題，是因為對未來有一種擔憂吧。選爬蟲吧，又怕未來發展不好，選機器學習吧，又怕自己水平不夠。其實，這個問題不用擔心，因為你把這幾個方向看成了孤立的個體。如果說你把它們看成是一家子，就不用糾結了。無論哪個方向，能找到工作才能得到鍛鍊。我的建議是這三個方向都找找看，向公司闡明自己對...