智能数据挖掘是一种结合了人工智能技术和数据挖掘技术的领域，它旨在从大量的数据中发现模式、趋势和关联性。以下是智能数据挖掘的一些关键点：

1、数据挖掘：数据挖掘是从大量数据中提取有用信息和知识的过程。它包括分类、聚类、关联规则学习、异常检测等多种技术。

2、人工智能：人工智能是计算机科学的一个分支，旨在创建能够执行通常需要人类智能的任务的机器或软件。

3、结合点：智能数据挖掘结合了机器学习（AI的一个分支）的算法和数据挖掘技术，以提高数据挖掘过程的效率和准确性。

4、机器学习：机器学习算法能够从数据中学习，并随着时间的推移改进其性能。这些算法可以是监督学习（如回归和分类），无监督学习（如聚类和关联规则学习），或半监督学习。

5、深度学习：深度学习是机器学习的一个子集，它使用多层神经网络来模拟人脑处理数据的方式。它在图像和语音识别、自然语言处理等领域表现出色。

6、大数据分析：智能数据挖掘通常应用于大数据分析，因为大数据提供了丰富的信息源，可以用于发现复杂的模式和关联。

7、应用领域：智能数据挖掘的应用非常广泛，包括金融风险管理、医疗诊断、市场趋势预测、客户细分、供应链优化等。

8、挑战：智能数据挖掘面临的挑战包括数据的隐私和安全性、数据的质量和完整性、算法的解释性以及处理大规模数据集的计算能力。

9、工具和框架：存在许多支持智能数据挖掘的工具和框架，如Apache Hadoop、Spark、TensorFlow、PyTorch等。

10、未来发展：随着技术的进步，智能数据挖掘将继续发展，可能会包括更多的自动化和自适应学习算法，以及更复杂的数据类型和结构的处理能力。

智能数据挖掘是一个不断发展的领域，随着技术的进步，它在各个行业的应用将越来越广泛。