數據挖掘側重于根據已有數據訓練出的模型推測將來的數據，機器學習還可以搞很多別的東西，例如圖像識別、圖像檢索等。你說的那些算法都是學習這兩門課的一些基礎算法，我感覺機器學習研究的領域更寬，個人理解。

大數據 和 數據挖掘 的區別

大數據概念：大數據是近兩年提出來的，有三個重要的特征：數據量大，結構復雜，數據更新速度很快。由于Web技術的發展，web用戶產生的數據自動保存、傳感器也在不斷收集數據，以及移動互聯網的發展，數據自動收集、存儲的速度在加快，全世界的數據量在不斷膨脹，數據的存儲和計算超出了單個計算機(小型機和大型機)的能力，這給數據挖掘技術的實施提出了挑戰（一般而言，數據挖掘的實施基于一臺小型機或大型機，也可以進行并行計算）。?
數據挖掘概念: 數據挖掘基于數據庫理論，機器學習，人工智能，現代統計學的迅速發展的交叉學科，在很多領域中都有應用。涉及到很多的算法，源于機器學習的神經網絡，決策樹，也有基于統計學習理論的支持向量機，分類回歸樹，和關聯分析的諸多算法。數據挖掘的定義是從海量數據中找到有意義的模式或知識。?
大數據需要映射為小的單元進行計算，再對所有的結果進行整合，就是所謂的map-reduce算法框架。在單個計算機上進行的計算仍然需要采用一些數據挖掘技術，區別是原先的一些數據挖掘技術不一定能方便地嵌入到 map-reduce 框架中，有些算法需要調整。?
大數據和數據挖掘的相似處或者關聯在于： 數據挖掘的未來不再是針對少量或是樣本化，隨機化的精準數據，而是海量，混雜的大數據，數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷。?

拓展資料：
大數據（big data），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。?



在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》 中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而采用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。