在1989年第十一届国际联合人工智能学术会议上有人提出了“数据库知识发现概念”（Knowledge Discovery in Database），简称KDD。这个概念就是要求用机器学习的方式，来分析数据库管理中存储的数据，发现数据库中隐藏的规则与知识，以解决“数据爆炸但知识贫乏”的现象。
（一）数据挖掘：数据挖掘是通过对大型数据库的分析与归纳，自动在大数据库中发现数据之间存在的关系，通过排列、组合、共性、溯源等，寻找预测性信息，其中，通过数据关联规则、数据聚类、数据概念描述、同类分析、异类分析、偏差分析、可视化处理、演变分析等等手段，找出数据的规律性能。
（二）数据挖掘的模型与算法：人工智能网络是一种仿照生物神经网络结构而建立的非线性预测模型，是挖掘数据中比较常用的模型。其中有：
“决策树”：决策树是一种展示类似在“什么条件下会得到什么值”这类规则的方法。建立决策树的过程，即根据树的生长过程，不断地把数据进行分组的排列组合数据节点总结出数据规律。还有“回归分析”、“遗传算法”、“邻近算法”、“模糊逻辑”、“规则推理”等等方式。
学习重点：1、数据挖掘 2、数据挖掘的模型与算法 学习要求：学习结束，可通过手机或微信索取电子《试卷》，电子答卷考试通过后方可获得证书。 联系方式：手机18911526017(同微信) 电话：400-6988862
