Forskjellen mellom datavitenskap og maskinlæring
Datavitenskap er en evolusjonær utvidelse av statistikk som er i stand til å håndtere de enorme mengdene ved hjelp av datavitenskapsteknologier. Maskinlæring er et studieretning som gir datamaskiner muligheten til å lære uten å være programmert eksplisitt. Datavitenskap dekker et bredt spekter av datateknologier inkludert SQL, Python, R, og Hadoop, Spark, etc. Maskinlæring blir sett på som en prosess, det kan defineres som prosessen som en datamaskin kan arbeide mer nøyaktig når den samler og lærer av dataene den er gitt.
Sammenligning fra datateknologi mot maskinlæring (Infografikk)
Nedenfor er topp 5-sammenligningen mellom Data Science vs Machine Learning
Nøkkelforskjellen mellom Data Science vs Machine Learning
Nedenfor er forskjellen mellom Data Science og Machine Learning som følger
- Komponenter - Som nevnt tidligere, dekker Data Science-systemer hele datas livssyklus og har vanligvis komponenter som dekker følgende:
- Innsamling og profilering av data - ETL (Extract Transform Load) rørledninger og profileringsjobber
- Distribuert databehandling - Horisontalt skalerbar datadistribusjon og prosessering
- Automatisering av intelligens - Automatiserte ML-modeller for online svar (prediksjon, anbefalinger) og svindeloppdagelse.
- Datavisualisering - Utforsk visuelt data for å få en bedre intuisjon av data. Den integrerte delen av ML-modellering.
- Dashboards og BI - Forhåndsdefinerte dashboards med skive- og terningskapasitet for interessenter på høyere nivå.
- Datateknikk - Sørge for at varme og kalde data alltid er tilgjengelige. Dekker sikkerhetskopiering av data, sikkerhet, gjenoppretting av katastrofer
- Distribusjon i produksjonsmodus - Overfør system til produksjon med industristandardpraksis.
- Automatiserte beslutninger - Dette inkluderer å drive forretningslogikk på toppen av data eller en kompleks matematisk modell som er opplært ved bruk av en hvilken som helst ML-algoritme.
Machine Learning-modellering starter med at dataene eksisterer, og typiske komponenter er som følger:
- Forstå problemet - Sørg for at effektiv måte å løse problemet på er ML. Vær oppmerksom på at ikke alle problemer som kan løses ved bruk av ML.
- Utforsk data - For å få en intuisjon av funksjoner som skal brukes i ML-modell. Dette kan trenge mer enn en iterasjon. Datavisualisering spiller en kritisk rolle her.
- Forbered data - Dette er et viktig trinn med stor innvirkning på nøyaktigheten til ML-modellen. Den omhandler dataproblemer som hva du skal gjøre med manglende data for en funksjon? Erstatt med dummyverdi som null, eller gjennomsnitt av andre verdier, eller slipp funksjonen fra modellen ?. Skalerfunksjoner, som sørger for at verdiene for alle funksjoner er i samme rekkevidde, er avgjørende for mange ML-modeller. Mange andre teknikker liker generering av polynomfunksjoner brukes også her for å få nye funksjoner.
- Velg en modell og tog - Model velges basert på en type problem (prediksjon eller klassifisering osv.) Og type funksjonssett (noen algoritmer fungerer med et lite antall forekomster med et stort antall funksjoner og noen andre i andre tilfeller) .
- Ytelsesmåling - I Data Science er ikke ytelsestiltak standardiserte, det vil endre seg fra sak til sak. Typisk vil det være en indikasjon på datatidlighet, datakvalitet, spørringskapasitet, samsvarsgrenser i datatilgang, interaktiv visualiseringsevne osv.
I ML-modeller er ytelsestiltak krystallklare. Hver algoritme vil ha et mål for å indikere hvor godt eller dårlig modellen beskriver treningsdataene. For eksempel brukes RME (Root Mean Square Error) i Linear Regression som en indikasjon på en feil i modell.
- Utviklingsmetodikk - Data Science-prosjekter er på linje mer som et ingeniørprosjekt med klart definerte milepæler. Men ML-prosjekter er mer av forskning som, som starter med en hypotese og prøver å få det bevist med tilgjengelige data.
- Visualisering - Visualisering generelt Data Science representerer data direkte ved bruk av populære grafikker som søyler, kake osv. Men i ML representerer visualiseringer som også brukes en matematisk modell for treningsdata. For eksempel kan visualisering av forvekslingsmatrise for en klassifisering av flere klasser bidra til å raskt identifisere falske positive og negative.
- Språk - SQL og SQL som syntaksspråk (HiveQL, Spark SQL osv.) Er det mest brukte språket i Data Science-verden. Populære databehandlingsskriptspråk som Perl, awk, sed er også i bruk. Rammespesifikke godt støttede språk er et annet mye brukt (Java for Hadoop, Scala for Spark osv.) kategori.
Python og R er det mest brukte språket i Machine Learning-verdenen. I dag får Python mer fart etter hvert som nye forskere på dyp læring stort sett blir konvertert til python.SQL spiller også en viktig rolle i datautforskningsfasen til ML
Data Science vs Machine Learning Sammenligningstabel
| Grunnlag for sammenligning | Datavitenskap | Maskinlæring |
| omfang | Lag innsikt fra data som omhandler alle virkelighetens kompleksiteter. Dette inkluderer oppgaver som å forstå kravet, trekke ut data etc. | Klassifiser eller forutsi utfallet for nye datapunkter nøyaktig ved å lære mønstre fra historiske data ved hjelp av matematiske modeller. |
| Inndata | De fleste av inndatadataene genereres som menneskelige forbruksdata som skal leses eller analyseres av mennesker som tabelldata eller bilder. | Inndata for ML vil bli transformert spesielt for algoritmer som brukes. Funksjonsskalering, Word-innebygging eller legge til polynomfunksjoner er noen eksempler |
| Systemkompleksitet | ● Komponenter for å håndtere ustrukturerte rådata som kommer.
● Mange bevegelige komponenter som vanligvis er planlagt av et orkestrasjonslag for å synkronisere uavhengige jobber | ● Stor kompleksitet er med algoritmer og matematiske konsepter som ligger bak
● Ensemble-modeller vil ha mer enn en ML-modell, og hver vil ha et vektet bidrag på den endelige utdataen |
| Foretrukket ferdighetssett | ● Domenekompetanse
● ETL og dataprofilering ● Sterk SQL ● NoSQL-systemer ● Standard rapportering / visualisering | ● Sterk matematikkforståelse
● Python / R-programmering ● Datakrenking med SQL ● Modellspesifikk visualisering |
| Maskinvarespesifikasjon | ● Horisontalt skalerbare systemer foretrakk å håndtere massive data
● Høye RAm- og SSD-er brukes til å overvinne I / O-flaskehalsen | ● GPU-er er foretrukket for intensive vektoroperasjoner
● Kraftigere versjoner som TPU-er (link) er på vei |
Konklusjon - Data Science vs Machine Learning
I både Data Science og Machine Learning prøver vi å trekke ut informasjon og innsikt fra data. Maskinlæring som prøver å få algoritmer til å lære på egen hånd. I dag brukes avanserte ML-modeller til Data Science for automatisk å oppdage og profilere data. Googles Cloud Dataprep er det beste eksemplet på dette.
Anbefalt artikkel:
Dette har vært en guide til Data Science vs Machine Learning, deres betydning, sammenligning fra topp til hod, nøkkelforskjeller, sammenligningstabell og konklusjon. Du kan også se på følgende artikler for å lære mer -
- Hadoop utviklerintervju Spørsmål
- Big Data vs Data Science - Hvordan er de forskjellige?
- Datavitenskap og dens voksende betydning
- Statistikk vs maskinlæring-forskjeller mellom
- Hvordan knekke Hadoop-utviklerintervjuet?