AI、ML、ニューラルネットワーク、ディープラーニング、データマイニングの違い
私は最近、機械学習（ML）の分野を探求し始めました。 MLとAIの違いを大まかに理解していると思いますが、これらの一般的に使用される概念の違いをより正確に理解したかったのです。
いくつかの調査の結果、これらのドメインについて次の境界が判明しました。 ここで修正しますか、それとも不正確ですか？
AI：-AIは、状況に応じて行動するような人間の知能をシミュレートするためにマシンに与えられる知能です。機械学習、自然言語処理、ロボット工学、一般的な知能または強力なAI、その他を含めることができます。 MLのスーパーセットです
ML：-MLはAIの特定のフィールドであり、ハードコーディングルール/合計のようなプログラミングの代わりに、サンプルデータ（トレーニングデータ）に基づいてプログラムを開発するのに役立ちます乗算。基本的に、機械学習は過去のデータから学習し、特定の入力を予測/分類します。たとえば、レコメンデーションエンジン/不正検出/画像処理などに役立ちます
ディープラーニング：-DLはMLのさらにサブセットであり、それよりも深いものです。MLでは、ソフトウェアアップフロントは機能を知っていますトレーニングデータとその出力は分類されますが、DLでは、アルゴリズム自体がトレーニングデータの関連する機能/属性を識別します。
NN：-ニューラルネットワークは、人工ニューロンのグラフを使用してデータをモデル化する、機械学習に使用されるアルゴリズムの特定のグループです。これらのニューロンは、脳内のニューロンがどのように機能するかをほぼ模倣します。」したがって、ML/DLはNNアルゴを使用して作業を行うと言えます
データマイニング：-データマイニングとは、統計とその他のプログラミング手法を使用して、データに隠されたパターンを見つけ、現象を説明できるようにすることです。データマイニングは、一部のデータで実際に何が起こっているかについての直感を構築し、プログラミングよりも数学に少し近いですが、両方を使用します。機械学習は、データマイニング技術とその他の学習アルゴリズムを使用して、将来の結果を予測できるように、一部のデータの背後で何が起こっているかのモデルを構築します
ここで、これらの境界を識別するために使用したソース：
DLを含むMLを含むAIについては正しいです。
DLコンテキストの内外にかかわらず、NNは実際にMLに含めることができます。後者の例は、ニューロンネットが単純なタスクベースの学習で使用される場合です（たとえば、ピクチャー）。
データマイニングは、現象を説明するだけでなく、現象を発見することも目的としているため、定義よりもやや広義です。機械学習とディープラーニングがこの目的に役立ちます。ただし、データマイニングに関連しないアプリケーションもあります（たとえば、DLは、データをマイニングして未知の文法規則を発見することを目的とせずに、NLPおよび機械翻訳に使用できます）。したがって、MLおよびDMは交差する2つのセットですが、どちらも他方に含まれておらず、それぞれが他方の進歩から利益を得ています。
グラフィカルな要約：
