我不知道是誰說low的，首先我們提倡職業不分貴賤，但實際上相當多的人感覺清潔工這類不光鮮，而樓主說的資料探勘資料分析這類工作，首先有技術，其次也很體面，不知道哪裡表現的low了

首先，我對於你所說的一切都很陌生，不知道什麼是做機器學習，但是有關於資料分析這一塊，我想跟你說件有趣的事：據說騰訊的企鵝號指數是一種聰明的資料分析，但是在我看來，如果騰訊的企鵝號指數不是人為地進行控制的話，估計是不可能的，我曾經在上面一連發了幾個月的原創作品，但是我的原創指數還是每天都在掉，一開始我以為是我的作品曾經發在其他的地方，不是首發所以才掉的指數，然後我重新創作了一些從來都沒有發過的作品，但是我的原創指數掉得更加地厲害，所以說，許多的時候，無論是系統多麼地強大，對於資料的分析，任何的系統都比不上人為的資料分析…

回答這個問題之前，先了解清楚什麼是機器學習。

簡單地說，機器學習要做的就是，現在有些資料（比如你人人網好友和他們的發言），我們要對資料進行處理，希望從資料中得到我們想要的資訊（比如這些好友哪些和你投緣）。由此我們可以看出機器學習其實是對人類智慧的模仿，也是實現人類和更高智慧的必經之路。

機器學習這個概念認為，對於待解問題，你無需編寫任何專門的程式程式碼，泛型演算法（generic algorithms）能夠在資料集上為你得出有趣的答案。對於泛型演算法，不用編碼，而是將資料輸入，它將在資料之上建立起它自己的邏輯。

舉個例子，有一類演算法稱為分類演算法，它可以將資料劃分為不同的組別。一個用來識別手寫數字的分類演算法，不用修改一行程式碼，就可以用來將電子郵件分為垃圾郵件和普通郵件。演算法沒變，但是輸入的訓練資料變了，因此它得出了不同的分類邏輯。

瞭解到這裡還敢說資料探勘，資料分析很low嗎？

別的不說，我們來看看工資

在帝都做機器學習，資料探勘不好嗎？

回答是：根據自己的興趣來判斷，如果對資料方面感興趣，那就留在北京闖，如果更喜歡安穩的生活，那就進國家電網和事業單位

前幾年，網際網路圈子裡認為三大革命性技術是大資料、雲計算、人工智慧。經過五六年的發展，我們發現真正的革命性技術是：人工智慧、區塊鏈、物聯網。這三個技術緊密結合會產生非常多的應用，幾乎可以替代當前的所有人類生產活動。

機器學習是人工智慧的子課題，資料探勘與分析又與機器學習有非常緊密的結合。不同之處在於機器學習目標是使計算機具備人類某方面重複性技能，資料探勘側重從大量資料中發掘對生產有利的規則，資料分析側重於對資料的高度概括和展示。實際上挖掘和分析基本分不開。