数据统计同样是面向结论，只不过是是把模糊估计的结论变得精确而定量。深度学习是机器学习的一个子领域，受大脑神经网络的结构和功能启发而创造的算法，能够从大数据中自动学习特征，以解决任何需要思考的问题，机器学习是一门专门研究计算机怎样模拟或实现人类的学习行为，能够赋予机器学习的能力以让它完成通过编程无法完成的功能，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科，但机器学习不会让机器产生“意识和思考”，它是概率论与统计学的范畴，是实现人工智能的途径之一。
1、孩子是哪种学习类型？
我从事教育行业多年，接触过各种各样的孩子。你说的孩子的学习类型，由于分类的方式不一样，说话也很多，根据我自己的经验，我将孩子的学习类型概括为以下几种：第一，聪明自律型。这样的孩子天资聪慧，学习的自理能力很强，属于不需要爸妈操心的孩子。第二，聪明但调皮型，这样的孩子很聪明，但是做事不认真，属于又爱又恨的那种。
爸妈应该注意在平时制定一些规章制度，时间安排表，引导孩子完善性格上的粗野不足，第三，老实严谨型。做事踏踏实实，一丝不苟，不会越界，属于乖宝宝型。爸妈应该注重孩子的创新培养，做一些智力游戏，第四，一知半解型。属于普通孩子一样，经常表面懂了，实际题目变一下又不会了，爸妈应该对孩子的重点薄弱知识点，一个个把关，从小细节的成功入手。
第五，杂乱无章型，他们基础差，不系统，遇到题目天马行空。爸妈应该重新规划他的基础知识体系，循序渐进，第六，不求上进型。孩子固步自封，外人的话基本听不进，可以找机会让孩子多接触别的优秀孩子，开拓孩子思维。第七，厌学逃学型，孩子对学习不感兴趣，甚至逆反。家长要提高警惕，找出深层次厌学原因，和学校一起共同解决，
2、数据分析，数据挖掘，大数据，机器学习，深度学习，统计分析的区别是什么？
这个问题最近刷到很多次，看来是要回答一下了。因实际工作中会接触数据分析、挖掘、大数据、机器学习及深度学习，这里分享一下自己对这些概念的认知，数据分析主要是面向结论。通常是通过人依赖自身的分析经验和对数据的敏感度（人智活动），对收集来的数据进行处理与分析，按照明确目标或维度进行分析（目标导向），获取有价值的信息，
比如利用对比分析、分组分析、交叉分析等方法，完成现状分析、原因分析、预测分析，提取有用信息和形成结论。数据挖掘主要是面向决策，通常是指从海量（巨量）的数据中，挖掘出未知的且有价值的信息或知识的过程（探索性），更好地发挥或利用数据潜在价值。比如利用规则、决策树、聚类、神经网络等概率论、统计学、人工智能等方法，得出规则或者模型，进而利用该规则或模型获取相似度、预测值等数据实现海量数据的分类、聚类、关联和预测，提供决策依据，
需要注意，较传统数据挖掘主要针对相对少量、高质量的样本数据，机器学习的发展应用使得数据挖掘可以面向海量、不完整、有噪声、模糊的数据。数据统计同样是面向结论，只不过是是把模糊估计的结论变得精确而定量，比如。得出具体的总和、平均值、比率的统计值，从广义上讲，广义的数据分析分为如上介绍的数据分析、数据挖掘、数据统计三个方向。
机器学习是一门专门研究计算机怎样模拟或实现人类的学习行为，能够赋予机器学习的能力以让它完成通过编程无法完成的功能，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科，但机器学习不会让机器产生“意识和思考”，它是概率论与统计学的范畴，是实现人工智能的途径之一，深度学习是机器学习的一个子领域，受大脑神经网络的结构和功能启发而创造的算法，能够从大数据中自动学习特征，以解决任何需要思考的问题。
