數(shù)據(jù)科學(xué)還是機(jī)器學(xué)習(xí) 以下是如何發(fā)現(xiàn)差異

在這個人工智能和數(shù)據(jù)管理的新世界中，很容易被IT世界中最常用的一些術(shù)語搞糊涂。

例如，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)有很多相互關(guān)系。毫不奇怪，許多只有這些學(xué)科知識的人才會弄清楚他們之間的差異。

這是將數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)分離的最佳方式，作為原則和技術(shù)方法。

數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)：廣泛而狹隘的術(shù)語

首先，數(shù)據(jù)科學(xué)實(shí)際上是一個廣泛的，總體的技術(shù)類別，涵蓋了許多不同類型的項(xiàng)目和創(chuàng)作。

數(shù)據(jù)科學(xué)本質(zhì)上是處理大數(shù)據(jù)的實(shí)踐。它出現(xiàn)了摩爾定律，更高效的存儲設(shè)備的激增導(dǎo)致公司和其他各方收集了大量數(shù)據(jù)。然后，像Hadoop這樣的大數(shù)據(jù)平臺和工具開始通過改變數(shù)據(jù)管理的工作方式來重新定義計(jì)算。現(xiàn)在，隨著云和集裝箱化以及全新的模型，大數(shù)據(jù)已經(jīng)成為我們工作和生活方式的主要驅(qū)動力。

在最簡單的形式中，數(shù)據(jù)科學(xué)是我們管理數(shù)據(jù)的方式，從清理和改進(jìn)數(shù)據(jù)到以洞察力的形式使用。

機(jī)器學(xué)習(xí)的定義要窄得多。在機(jī)器學(xué)習(xí)中，技術(shù)接收數(shù)據(jù)并將其通過算法，以模擬被稱為“學(xué)習(xí)”的人類認(rèn)知過程。換句話說，在接收數(shù)據(jù)并對其進(jìn)行訓(xùn)練之后，計(jì)算機(jī)能夠提供自己的結(jié)果這項(xiàng)技術(shù)似乎是從程序員實(shí)施的過程中學(xué)到的。

數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)技能集

對比數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的另一種方法是查看對這些領(lǐng)域中的任何一個領(lǐng)域的專業(yè)人員最有價值的不同技能。

有一個普遍的共識是數(shù)據(jù)科學(xué)家深入分析的數(shù)學(xué)技能中受益，實(shí)踐有經(jīng)驗(yàn)的數(shù)據(jù)庫技術(shù)和知識的編程語言一樣的Python或其他程序包，用于分析大數(shù)據(jù)。

“任何有興趣在(數(shù)據(jù)科學(xué))建立強(qiáng)大職業(yè)生涯的人都應(yīng)該獲得三個部門的關(guān)鍵技能：分析，編程和領(lǐng)域知識，” Simplilearn的Srihari Sasikumar寫道。“走出去更深一層，下面的技巧將幫助你闖出一片新天地作為一個數(shù)據(jù)科學(xué)家：Python中，SAS的強(qiáng)大的知識- [R (和)斯卡拉，動手的經(jīng)驗(yàn)SQL數(shù)據(jù)庫編碼，能力與工作非結(jié)構(gòu)化數(shù)據(jù)從各種來源，如視頻和社交媒體，了解多種分析功能(和)機(jī)器學(xué)習(xí)知識。“

在機(jī)器學(xué)習(xí)方面，專家經(jīng)常引用數(shù)據(jù)建模技巧，概率和統(tǒng)計(jì)知識以及更廣泛的編程技能作為機(jī)器學(xué)習(xí)工程師工具包中的有用工具。

如何發(fā)現(xiàn)機(jī)器學(xué)習(xí)

關(guān)鍵在于各種各樣的事情都包含數(shù)據(jù)科學(xué)工作，但它不是機(jī)器學(xué)習(xí)，除非你有一個非常嚴(yán)格的方案來幫助計(jì)算機(jī)從輸入中學(xué)習(xí)。

當(dāng)它到位時，它會產(chǎn)生一些令人驚訝的能夠?qū)ξ覀兊纳町a(chǎn)生廣泛影響的系統(tǒng)。

據(jù)報(bào)道，亞馬遜創(chuàng)始人杰夫貝索斯說，“我們在機(jī)器學(xué)習(xí)方面所做的很多事情都發(fā)生在表面之下” ，并指出了這些類型系統(tǒng)的一些應(yīng)用。“機(jī)器學(xué)習(xí)驅(qū)動我們的算法，用于需求預(yù)測，產(chǎn)品搜索排名，產(chǎn)品和交易建議，商品展示位置，欺詐檢測，翻譯等等。雖然不太明顯，但機(jī)器學(xué)習(xí)的大部分影響都屬于這種類型 - 悄然但有意義地改善核心運(yùn)營。“

這里最有用的例子之一是神經(jīng)網(wǎng)絡(luò)的出現(xiàn)- 它是建立機(jī)器學(xué)習(xí)過程的常用且流行的方法。

在其最基本的形式中，神經(jīng)網(wǎng)絡(luò)由人造神經(jīng)元層組成。每個人工神經(jīng)元都具有與生物神經(jīng)元相當(dāng)?shù)墓δ?- 但它不是突觸和樹突，而是具有輸入，激活功能和最終輸出。

神經(jīng)網(wǎng)絡(luò)就像人腦一樣，機(jī)器學(xué)習(xí)專業(yè)人員經(jīng)常利用這個模型來創(chuàng)建機(jī)器學(xué)習(xí)結(jié)果。

但是，這不是進(jìn)行機(jī)器學(xué)習(xí)的唯一方法。一些更基本的機(jī)器學(xué)習(xí)項(xiàng)目只包括向計(jì)算機(jī)展示各種照片(或提供其他原始數(shù)據(jù))，通過使用監(jiān)督機(jī)器學(xué)習(xí)和標(biāo)簽數(shù)據(jù)的過程輸入想法，并使計(jì)算機(jī)最終能夠區(qū)分視野中的各種形狀或物品。(有關(guān)機(jī)器學(xué)習(xí)的基礎(chǔ)知識，請查看機(jī)器學(xué)習(xí)101.)

兩個前沿學(xué)科

總之，機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)的重要組成部分。但數(shù)據(jù)科學(xué)代表著更廣闊的前沿和機(jī)器學(xué)習(xí)發(fā)生的背景。

在某種程度上，你可以說沒有大數(shù)據(jù)就永遠(yuǎn)不會發(fā)生機(jī)器學(xué)習(xí)。然而，大數(shù)據(jù)本身并沒有創(chuàng)造機(jī)器學(xué)習(xí) - 相反，在我們集體匯總了如此多的數(shù)據(jù)以至于我們幾乎不知道如何處理它之后，頂尖的思想家們想出了這些生物模擬過程作為增壓方式提供見解。

另外要記住的一件好事是，數(shù)據(jù)科學(xué)可以通過兩種主要方式應(yīng)用 - 我們可以擁抱機(jī)器學(xué)習(xí)和人工智能，讓計(jì)算機(jī)為我們思考，或者我們可以將數(shù)據(jù)科學(xué)帶回更加以人為本的方法，計(jì)算機(jī)簡單地呈現(xiàn)結(jié)果，我們作為人類做出決定。

這導(dǎo)致一些專家，包括當(dāng)今的一些頂級創(chuàng)新者，要求對我們使用這些技術(shù)的方式進(jìn)行更有活力的說明。

“(AI)的能力遠(yuǎn)遠(yuǎn)超過幾乎所有人都知道，并且改進(jìn)的速度是指數(shù)級的，”Elon Musk 被引述說，同時警告機(jī)器學(xué)習(xí)和AI程序需要監(jiān)督。

無論如何，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)都是我們社會今天在技術(shù)方面取得進(jìn)步的核心部分。