按难度比较:嵌入式计算机<数据 挖掘技术与应用<人工智能和知识工程:嵌入式计算机数据 挖掘技术与应用>人工智能和知识工程的工资没有可比性。同一个领域，不同岗位，不同级别都不一样，主要看个人实力。人工智能目前各国都在大力发展，但进展甚微。很难说什么时候会有大的突破。
嵌入式开发在技术层面有点低端，主要从事一些应用，比如手机开发，家用电器，工控自动控制系统等等。数据 挖掘主要做一些业务数据分析、银行客户行为分析、数据图书馆辅助营销等。人工智能现阶段只能提供科研人员等部分岗位。理论上，如果你有兴趣推动这种项圈的发展，也可以考虑。
5、简述 人工智能,专家系统,机器学习, 数据 挖掘的概念人工智能是模拟人类思维和行为的学科，使用数据 挖掘的技术。专家系统只是其中的一个应用。机器学习是利用已有的数据按照一定的方式进行训练，得到一定的模型，可以认为是对现实世界的功能模拟。然后对于数据的那些未知标签，输入这个模型得到一些输出。机器学习与数据 挖掘的关系可以在网上搜索“关于机器学习的那些事”。另外，如果题目主要是想学习相关领域的知识，建议去coursera看看机器学习大牛AndrewNg(现百度首席科学家)的机器学习视频教程。
6、粒计算属于 数据 挖掘的范畴吗? 数据 挖掘属于 人工智能领域吗?数据挖掘和人工智能是两个字段，人工智能的范畴确实更大，数据。粒计算属于-2挖掘也属于人工智能领域。人工智能场比较大，还有数据。
7、 人工智能与 数据 挖掘结合目前还有什么困难1。数据隐私与安全AI系统，即使是最基本的形式，也是非常复杂的，大量的算法隐藏了系统在底层实际做什么。因此，用于这种处理的任何数据通常都是隐藏的，这就产生了关于这个数据的透明性和隐私性的问题。以Cookie为例。这是用于从网站收集用户数据进行高级分析的代码片段。虽然现在很多国家都要求网站告知用户使用cookie从浏览器收集数据，但是没有办法知道通过这些网站收集了多少数据或者具体类型的数据。
例如，在电信等许多自动化行业中，被盗的数据可用于发出自动垃圾邮件呼叫，例如在世界上许多国家都存在的垃圾邮件。2.有限的技术能力虽然我们已经成功构建了更快更好的处理器来提高计算能力，但这些能力不断受到日益苛刻的处理任务和大量未决数据的挑战，人工智能算法通常非常复杂，通常需要上千次计算，有时甚至一秒一次。
