Co a jak bych měl studovat, abych se stal analytikem / vědcem údajů? Je mezi nimi rozdíl?


Odpověď 1:

To platí zejména o technologiích, jako jsou Data Science, Machine Learning a AI, které byly použity, nadměrně využívány a někdy medializovány pro splnění marketingových cílů. Je důležité pochopit, že ačkoli se tato pole překrývají, nemohou být použita zaměnitelně.

Jednoduše řečeno, věda o údajích vytváří vhledy, zatímco strojové učení vytváří předpovědi. AI, na druhé straně, generuje akce.

Seznámení s Data Science

Datová věda je jednou z nejlepších disciplín, jak získat různé typy vhledů - popisné, průzkumné, inferenciální, příležitostné, prediktivní a mechanistické. Věda o datech zahrnuje statistickou inferenci, návrh experimentů, softwarové inženýrství, vizualizaci dat, znalost specifické domény a efektivní komunikaci.

Co odlišuje vědu o údajích od souvisejících oborů, jako je strojové učení a umělá inteligence, je potřeba lidského zapojení do smyčky. Vždy je třeba, aby někdo porozuměl těmto poznatkům, porozuměl grafům a obrázkům a rozhodoval na základě odvozených poznatků.

Důvěryhodné předpovědi prostřednictvím strojového učení

Strojové učení zajišťuje, že předpovědi z velkého množství shromážděných dat jsou co nejpřesnější. Vědy o datech a strojové učení se hodně překrývají. Například logistická regrese se používá jak ve vědě o datech, tak ve strojovém učení. Ve vědě o datech se však používá k odvozování poznatků o vztazích různých faktorů, zatímco ve strojovém učení přináší předpovědi.

Odborníci v oboru často přepínají mezi těmito dvěma disciplínami a vědci v oblasti dat běžně používají strojové učení. Například v e-learningové aplikaci by mohla být modelována provozní data, aby se určilo, kteří zákazníci pravděpodobně hledají konkrétní produkt. Toto je aplikace strojového učení. Když jsou souhrny a vizualizace navrženy na základě datového provozu, jedná se o aplikaci datové vědy.

Automatizace akcí s umělou inteligencí

AI zahrnuje předávání kognitivní inteligence člověku počítačům. Jakýkoli stroj, který provádí úkol nebo akci inteligentním způsobem, s využitím algoritmů, je označován jako aplikátor AI. Důležitým rozlišením mezi umělou inteligencí a dalšími dvěma disciplínami je část „akce, kterou lze napadnout“. AI je široce používán v robotice, teorii řízení, herních algoritmech, robotech a učení vyztužení.

Zvažte analýzu zákaznických údajů pro konkrétní produkt. Předpokládejme, že se zjistilo, že někteří zákazníci pravděpodobně kupují více než jiní (přehled). Získají se číselné a grafické výstupy, které umožňují vedoucím pracovníkům vytvářet předpovědi a / nebo dospět k závěrům; nesmí však vést k žádné konkrétní akci. To by byla aplikace datové vědy se směsí strojového učení, ale ne AI.

Kombinace datové vědy, strojového učení a umělé inteligence

Předpokládejme, že se staví termostat se samočinným nastavením. Tyto tři technologie by tedy mohly být využity takto:

  1. Strojové učení: Velký soubor hodnot souvisejících s prostředím, aby se vytvořil algoritmus, který by předpovídal žádoucí teplotní rozsahy a dospěl k pevné hodnotě. Umělá inteligence: Jakmile je splněna určitá okolní podmínka, termostat provede automatickou akci - přizpůsobí se pevné teplota z příslušného rozsahu

Data Science: V testech s termostatem se někdy zjistí, že teploty nejsou vhodné pro lidi v jejich domovech, zejména během denních hodin. Po prostudování testovacích údajů se zjistí, že nebyly brány v úvahu různé tělesné teploty. Existuje tedy potřeba zkonstruovat lepší datový soubor, který by obsahoval údaje o tělesných teplotách. Celý proces se pak opakuje.

Zájemci mě mohou poslat na adresu [email protected]