人工智能之数据挖掘

大数据和人工智能是相辅相成的东西，在人工智能没有彻底成熟之前，大数据并不会成熟，相同，在大数据没有彻底成熟之前，人工智能也不会彻底成熟，现在的数据量虽然大，但是数据挖掘工作相互独立性太强，虽然可以通过一类数据得到指示性的结果，但是每类数据之间的联系并没有建立起来，这样的数据挖掘还太初期，相互没有联系，比如票价预测，只是通过历史上的票价曲线以及一些购票行为得到预测结果，但是并没有结合诸如天气，某些社会突发因素等等，进行建模，模型变量的单一，各类数据之间没有联系，数据挖掘的角度很深度也不足够，很多地方都可以看出大数据还处在一个很初级的阶段，放心吧，大数据不是转瞬即逝的热点，这会是以后渗透在我们生活每一处细节的东西，这个行业距离成熟都有很长的路要走，更不要提饱和了

人才篇学者情况概览
AMiner选取数据挖掘领域影响力排名前1000的专家学者绘制了该领域学者全球分布地图，如下图。从国家来看，数据挖掘领域的人才在美国最多，中国次之，英国和意大利等国也较为集中。从地区来看，美国东部人才最为集中，西欧人才分布也比较多，其次是中国大陆等地区。
选取数据挖掘国内影响力排名前1000的专家学者绘制了学者国内分布地图，国内学者集中分布在北京上海两地，湖南和四川地区的学者分布也相对集中。从整体来看，东部学者数量远多于西部。
AMiner对数据挖据排名前1000学者的迁徙路径做了分析。由下图可以看出，美国数据挖掘顶尖人才的流失和引进是相对比较均衡的，其中美国是自然语言处理领域人才流动大国，人才输入和输出幅度都大幅度领先，且从数据来看人才流出大于人才流入。德国、中国和加拿大等国落后于美国，其中德国和加拿大有轻微的顶尖人才流失现象。
学者简介
学者选取来自近期将要发布的全球AI十年影响力人才发展报告，我们选取了KDD会议，对所涉学者及其论文关键信息进行抽取。依据各学者论文被引用的次数，来进行此次十年最具影响力人才的排名。我们依此排名对国内外学者进行介绍。

发展过程中代表学者简介
在数据挖掘发展过程中，有很多重要的研究学者在这一领域起到了推动作用，以下是有史以来在SIGKDD上发表论文的引用量排在前十名的学者。
近十年代表学者简介
以下是近十年在SIGKDD上发表论文的引用量排名靠前的学者。其中，俞士纶、Christos Faloutsos和Yehuda Koren三位学者在数据挖掘发展历史中做出了很大的贡献，上一节已做介绍，本节不再赘述。