機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)、人工智能、深度學(xué)習(xí)和統(tǒng)計(jì)學(xué)之間的區(qū)別
數(shù)據(jù)科學(xué)是個(gè)廣義的學(xué)科, Analytics data scientist(Type A)和Builder data scientist(Type B)有所不同,Type A Data Scientists在工作中遇到數(shù)據(jù)相關(guān)時(shí)可以寫出不錯(cuò)的代碼,但是并不必須是專家,這類data scientist可能專業(yè)是實(shí)驗(yàn)設(shè)計(jì)、預(yù)測(cè)、建模、統(tǒng)計(jì)推斷或者其他統(tǒng)計(jì)學(xué)研究的典型部分。但是一般而言,數(shù)據(jù)科學(xué)家的工作產(chǎn)出可不是學(xué)術(shù)統(tǒng)計(jì)學(xué)有時(shí)候建議的那樣“p-values and confidence intervals”(正如有時(shí)候傳統(tǒng)的藥物領(lǐng)域統(tǒng)計(jì)學(xué)家會(huì)用到那樣)。在Google,Type A Data Scientists通常指統(tǒng)計(jì)學(xué)家、定量分析師、決策支持技術(shù)分析師或者數(shù)據(jù)科學(xué)家,可能還有其他的一些。
Type B Data Scientists是building data的。B類和A類有些相同的統(tǒng)計(jì)學(xué)背景,但他們還是更好的coders,可能有專業(yè)的軟件工程的訓(xùn)練。他們主要對(duì)在產(chǎn)品中使用數(shù)據(jù)感興趣,他們建立與用戶交互的模型,通常是提供推薦的(產(chǎn)品、可能認(rèn)識(shí)的人、廣告電影、搜索結(jié)果之類)。
1.機(jī)器學(xué)習(xí) vs 深度學(xué)習(xí)
在深度探討machine learning和data science的聯(lián)系之前,這里簡(jiǎn)要地討論一下machine learning 和deep learning。machine learning是一套算法,來(lái)訓(xùn)練數(shù)據(jù)集做預(yù)測(cè)或者采取行動(dòng)以使得系統(tǒng)最優(yōu)化。舉例來(lái)說(shuō),supervised classification algorithms被用來(lái)根據(jù)歷史數(shù)據(jù)將想要貸款的客戶分成預(yù)期好的和預(yù)期差的(good or bad prospects)。對(duì)于給定的任務(wù)(比如監(jiān)督聚類),需要的技術(shù)多種多樣:naive Bayes、SVM、neural nets、ensembles、association rules、decision trees、logistic regression,或者是很多技術(shù)的組合。所有這些都是數(shù)據(jù)科學(xué)的子集。當(dāng)這些算法自動(dòng)化后,比如無(wú)人駕駛飛機(jī)或者無(wú)人駕駛汽車,這就叫AI了,或者說(shuō)的具體一點(diǎn),deep learning。如果采集的數(shù)據(jù)來(lái)自傳感器并且通過(guò)互聯(lián)網(wǎng)傳播,那么這就是機(jī)器學(xué)習(xí)或數(shù)據(jù)科學(xué)或深度學(xué)習(xí)應(yīng)用于物聯(lián)網(wǎng)了。
有些人對(duì)深度學(xué)習(xí)有不同的定義,他們認(rèn)為深度學(xué)習(xí)是更深層次的神經(jīng)網(wǎng)絡(luò)(一種機(jī)器學(xué)習(xí)的技術(shù))。AI(Artificial Intelligence)是創(chuàng)建于20世紀(jì)60年代的計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域,是關(guān)于解決那些對(duì)人類來(lái)講非常容易但是對(duì)計(jì)算機(jī)而言很難的任務(wù)。值得一提的是,所謂的strong AI可能可以做所有人類可以做的事情(可能除了純粹的物理問(wèn)題)。這是相當(dāng)廣泛的,包括各種各樣的事情,比如做計(jì)劃,在世界上到處溜達(dá),識(shí)別物體和聲音,說(shuō)話,翻譯,社交或者商業(yè)交易,還有創(chuàng)造性工作(比如寫詩(shī)畫畫)等等。
NLP(Natural language processing)只是AI要處理的語(yǔ)言部分,尤其是寫。
Machine learning是這樣的一種情況:給出一些可以被以離散形式描述的AI問(wèn)題(比如從一系列動(dòng)作中選出對(duì)的那個(gè)),然后給定一堆外部世界的信息,在不需要程序員手動(dòng)寫程序的情況下選出那個(gè)“正確的”行為。通常情況需要借助外界的一些過(guò)程來(lái)判斷這個(gè)動(dòng)作對(duì)不對(duì)。在數(shù)學(xué)上,這就是函數(shù):你給一些輸入,然后你想要他處理一下得到正確的輸出,所以整個(gè)問(wèn)題就簡(jiǎn)化為用一些自動(dòng)的方式建立這種數(shù)學(xué)函數(shù)模型。和AI區(qū)分一下:如果我寫了一段特別機(jī)智的程序有著人類的行為,那這就可以是AI,但是除非它的參量都是自動(dòng)從數(shù)據(jù)中學(xué)會(huì)的,否則就不是機(jī)器學(xué)習(xí)。
Deep learning是當(dāng)下非常流行的機(jī)器學(xué)習(xí)的一種。它包含一種特殊的數(shù)學(xué)模型,可以想成是一種特定類型的簡(jiǎn)單塊的組合(或者說(shuō)是塊的功能的組合),這些塊可以進(jìn)行調(diào)整來(lái)更好的預(yù)測(cè)最終結(jié)果。
2. Data Science VS Machine Learning
機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)都是數(shù)據(jù)科學(xué)的一部分。Learning這個(gè)詞在machine learning里意味著依賴于某些數(shù)據(jù)的算法,被用作一種訓(xùn)練模式集來(lái)調(diào)整一些模型或者算法參數(shù)。這包含很多技術(shù),比如回歸、樸素貝葉斯或者監(jiān)督聚類。但不是所有的技術(shù)都適合這個(gè)分類。比如,非監(jiān)督聚類——一種統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)的方法——旨在不依靠任何先驗(yàn)知識(shí)和訓(xùn)練集監(jiān)測(cè)聚類或聚類結(jié)構(gòu)來(lái)幫助分類算法。需要有人來(lái)標(biāo)注被發(fā)現(xiàn)的聚類。有些技術(shù)是混合的,比如半監(jiān)督分類。有些模式偵查或者密度評(píng)估技術(shù)適合這個(gè)分類。
然而數(shù)據(jù)科學(xué)比機(jī)器學(xué)習(xí)范圍大得多。數(shù)據(jù)科學(xué)里“data”,可能是也可能不是來(lái)自機(jī)器或者機(jī)械過(guò)程的(調(diào)查結(jié)果可能是人工采集的,臨床試驗(yàn)需要一種特殊類型的small data等),而且可能和上面提到的”learning”一點(diǎn)關(guān)系也沒(méi)有。但是主要的不同還是因?yàn)閿?shù)據(jù)科學(xué)實(shí)際上涵蓋了整個(gè)數(shù)據(jù)處理的范圍,而不只是算法或者統(tǒng)計(jì)學(xué)方面。

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
3月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
4月30日立即下載>> 【村田汽車】汽車E/E架構(gòu)革新中,新智能座艙挑戰(zhàn)的解決方案
-
5月15-17日立即預(yù)約>> 【線下巡回】2025年STM32峰會(huì)
-
即日-5.15立即報(bào)名>>> 【在線會(huì)議】安森美Hyperlux™ ID系列引領(lǐng)iToF技術(shù)革新
-
5月15日立即下載>> 【白皮書】精確和高效地表征3000V/20A功率器件應(yīng)用指南
-
5月16日立即參評(píng) >> 【評(píng)選啟動(dòng)】維科杯·OFweek 2025(第十屆)人工智能行業(yè)年度評(píng)選
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開(kāi)始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺(tái)
- 5 國(guó)產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計(jì)算迎來(lái)商業(yè)化突破,但落地仍需時(shí)間
- 7 東陽(yáng)光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開(kāi)成長(zhǎng)空間
- 8 地平線自動(dòng)駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營(yíng)收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?