Forskellen mellem datavidenskab og maskinlæring
Datavidenskab er en evolutionær udvidelse af statistikker, der er i stand til at håndtere de enorme mængder med ved hjælp af datalogi-teknologier. Maskinlæring er et studiefelt, der giver computere mulighed for at lære uden at være eksplicit programmeret. Datavidenskab dækker en lang række datateknologier, herunder SQL, Python, R, og Hadoop, Spark osv. Maskinlæring betragtes som en proces, det kan defineres som den proces, hvorved en computer kan arbejde mere nøjagtigt, når den samler og lærer af de data, de er givet.
Sammenligning af data mod videnskab vs maskinuddannelse (Infografik)
Nedenfor er top 5 sammenligningen mellem Data Science vs Machine Learning
Nøgleforskel mellem Data Science vs Machine Learning
Nedenfor er forskellen mellem Data Science og Machine Learning som følger
- Komponenter - Som nævnt tidligere dækker Data Science-systemer hele datalivscyklussen og har typisk komponenter til at dække følgende:
- Indsamling og profilering af data - ETL-rørledninger (Extract Transform Load) og profilopgaver
- Distribueret computing - Vandret skalerbar datadistribution og -behandling
- Automatisering af intelligens - Automatiserede ML-modeller til online-svar (forudsigelse, anbefalinger) og svindel-afsløring.
- Datavisualisering - Udforsk visuelt data for at få en bedre intuition af data. Den integrerede del af ML-modellering.
- Dashboards og BI - Foruddefinerede dashboards med skive- og terningefunktion for interessenter på højere niveau.
- Datateknik - Sørg for, at varme og kolde data altid er tilgængelige. Dækker sikkerhedskopiering af data, sikkerhed, gendannelse af katastrofer
- Implementering i produktionstilstand - Migrer system til produktion med branchestandardpraksis.
- Automatiserede beslutninger - Dette inkluderer kørsel af forretningslogik oven på data eller en kompleks matematisk model, der er trænet ved hjælp af en hvilken som helst ML-algoritme.
Machine Learning-modellering starter med, at der findes data, og typiske komponenter er som følger:
- Forstå problem - Sørg for, at effektiv måde at løse problemet er ML. Bemærk, at ikke alle problemer, der kan løses ved hjælp af ML.
- Udforsk data - For at få en intuition af funktioner, der skal bruges i ML-model. Dette kan have brug for mere end en iteration. Datavisualisering spiller en kritisk rolle her.
- Forbered data - Dette er et vigtigt trin med stor indflydelse på nøjagtigheden af ML-modellen. Det handler om dataproblemer, som hvad man skal gøre med manglende data til en funktion? Udskift med dummy-værdi som nul, eller middelværdi af andre værdier, eller slip funktionen fra model ?. Skaleringsfunktioner, der sikrer, at værdier for alle funktioner er i samme rækkevidde, er kritiske for mange ML-modeller. En masse andre teknikker kan lide polynom funktionsgenerering bruges også her til at udlede nye funktioner.
- Vælg en model og tog - Model vælges baseret på en type problem (forudsigelse eller klassificering osv.) Og type funktionssæt (nogle algoritmer fungerer med et lille antal tilfælde med et stort antal funktioner og nogle andre i andre tilfælde) .
- Ytelsesmåling - I Data Science er præstationsmålinger ikke standardiseret, det ændrer sig fra sag til sag. Typisk vil det være en indikation af datatimelitet, datakvalitet, forespørgselsevne, konkurrencegrænser i datatilgang, interaktiv visualiseringsevne osv.
I ML-modeller er præstationsmålinger krystalklare. Hver algoritme vil have et mål for at indikere, hvor godt eller dårligt modellen beskriver de givne træningsdata. F.eks. Bruges RME (Root Mean Square Error) i Lineær regression som en indikation af en fejl i modellen.
- Udviklingsmetodik - Data Science-projekter tilpasses mere som et ingeniørprojekt med klart definerede milepæle. Men ML-projekter er mere af forskningslignende, som starter med en hypotese og forsøger at få det bevist med tilgængelige data.
- Visualisering - Visualisering generelt Data Science repræsenterer data direkte ved hjælp af populære grafikker som bjælke, cirkel osv. Men i ML repræsenterer visualiseringer, der også bruges, en matematisk model for træningsdata. For eksempel er det at visualisere forvirringsmatrix i en klassificering i flere klasser til hurtigt at identificere forkert positive og negative.
- Sprog - SQL og SQL-lignende syntakssprog (HiveQL, Spark SQL osv.) Er det mest anvendte sprog i Data Science-verden. Populære databehandlingsskriptsprog som Perl, awk, sed er også i brug. Ramme-specifikke, velunderbyggede sprog er et andet bredt brugt (Java til Hadoop, Scala for Spark osv.) kategori.
Python og R er det mest anvendte sprog i Machine Learning-verdenen. I dag får Python mere fart, da nye dybdelæringsforskere for det meste konverteres til python.SQL spiller også en vigtig rolle i dataudforskningsfasen af ML
Data Science vs Machine Learning Sammenligningstabel
| Grundlag for sammenligning | Data Science | Maskinelæring |
| Anvendelsesområde | Opret indsigt fra data, der omhandler alle virkelighedens kompleksiteter. Dette inkluderer opgaver som at forstå kravet, udtrække data osv. | Klassificer eller forudsig nøjagtigt resultatet for nyt datapunkt ved at lære mønstre fra historiske data ved hjælp af matematiske modeller. |
| Indtast data | De fleste af inputdataene genereres som menneskelige forbrugsdata, der skal læses eller analyseres af mennesker, f.eks. Tabelledata eller billeder. | Inputdata for ML transformeres specifikt for anvendte algoritmer. Funktionsskalering, Wordindlejring eller tilføjelse af polynomiske funktioner er nogle eksempler |
| Systemkompleksitet | ● Komponenter til håndtering af ustrukturerede rå data, der kommer.
● Mange bevægelige komponenter, der typisk er planlagt af et orkestrationslag for at synkronisere uafhængige job | ● Stor kompleksitet er med algoritmer og matematiske begreber bag det
● Ensemblemodeller har mere end en ML-model, og hver vil have et vægtet bidrag på den endelige output |
| Foretrukket kvalifikationssæt | ● Domæneekspertise
● ETL og dataprofilering ● Stærk SQL ● NoSQL-systemer ● Standard rapportering / visualisering | ● Stærk matematikforståelse
● Python / R-programmering ● Datakrummel med SQL ● Model-specifik visualisering |
| Hardwarespecifikation | ● Horisontalt skalerbare systemer, der foretrækkes at håndtere massive data
● Høj RAm og SSD'er bruges til at overvinde I / O-flaskehals | ● GPU'er foretrækkes til intensive vektoroperationer
● Mere kraftfulde versioner som TPU'er (link) er på vej |
Konklusion - Data Science vs Machine Learning
I både Data Science og Machine Learning forsøger vi at udtrække information og indsigt fra data. Maskinlæring, der prøver at få algoritmer til at lære på egen hånd. I øjeblikket anvendes avancerede ML-modeller til Data Science for automatisk at registrere og profilere data. Googles Cloud Dataprep er det bedste eksempel på dette.
Anbefalet artikel:
Dette har været en guide til Data Science vs Machine Learning, deres betydning, sammenligning mellem hoved og hoved, nøgleforskelle, sammenligningstabel og konklusion. Du kan også se på de følgende artikler for at lære mere -
- Hadoop-udviklerinterview Spørgsmål
- Big Data vs Data Science - Hvordan er de forskellige?
- Datavidenskab og dets voksende betydning
- Statistik vs maskinlæring-forskelle mellem
- Hvordan knækker Hadoop-udviklerintervjuet?