Разлика између науке о подацима и машинског учења
Наука података је еволуцијско проширење статистике која је способна да се носи са огромним количинама уз помоћ рачунарских технологија. Машинско учење је поље учења које рачунарима даје могућност учења без експлицитног програмирања. Наука података покрива широк спектар података као што су СКЛ, Питхон, Р и Хадооп, Спарк, итд. Машинско учење се посматра као процес, може се дефинисати као процес којим рачунар може тачније радити јер сакупља и учи на основу података који су јој дати.
Упоређивање података о науци и машинском учењу (инфограпхицс)
Испод је топ 5 поређења између Дата Сциенце-а и Машинског учења
Кључна разлика између Дата Сциенце-а и Машинског учења
Испод је разлика између науке о подацима и машинског учења:
- Компоненте - Као што је раније споменуто, системи Дата Сциенце покривају читав животни циклус података и обично имају компоненте које покривају следеће:
- Прикупљање и профилирање података - ЕТЛ (Ектрацт Трансформ Лоад) цјевоводи и профилирање послова
- Дистрибуирано рачунање - Хоризонтално скалабилна дистрибуција и обрада података
- Аутоматизација интелигенције - Аутоматизирани МЛ модели за интернетске одговоре (предвиђања, препоруке) и откривање преваре.
- Визуализација података - Визуелно истражите податке да бисте побољшали интуицију података. Саставни део МЛ моделирања.
- Надзорне плоче и БИ - Унапред дефинисане контролне табле са одрезима и коцкама за заинтересоване стране на вишем нивоу.
- Инжењеринг података - Осигуравање увек доступних врућих и хладних података. Покрива сигурносну копију података, сигурност, опоравак од катастрофе
- Увођење у начин производње - Систем миграције у производњу са индустријским стандардним праксама.
- Аутоматизиране одлуке - Ово укључује покретање пословне логике на врху података или сложен математички модел обучен помоћу било којег МЛ алгоритма.
Моделирање машинског учења започиње постојећим подацима, а типичне компоненте су следеће:
- Разумевање проблема - Проверите да ли је ефикасан начин решавања проблема МЛ. Имајте на уму да нису сви проблеми решиви помоћу МЛ-а.
- Истражите податке - да бисте стекли интуицију о функцијама које ће се користити у МЛ моделу. Можда ће вам требати више понављања. Визуализација података овде игра критичну улогу.
- Припрема података - Ово је важна фаза која има велики утицај на тачност модела МЛ. Бави се питањем података попут шта урадити са подацима који недостају за функцију? Замените с лутком као што је нула или средњом вредношћу или избаците карактеристику са модела ?. Карактеристике скалирања, које осигуравају да се вредности свих карактеристика налазе у истом распону, критичне су за многе моделе МЛ-а. Много других техника попут генерирања полиномских карактеристика се такође користи овде за добијање нових функција.
- Изаберите модел и обучите - Модел се бира на основу врсте проблема (предвиђања или класификације итд.) И врсте скупа функција (неки алгоритми раде са малим бројем инстанци са великим бројем функција, а неки у другим случајевима) .
- Мера перформанси - У пољу Дата Сциенце мере перформанси нису стандардизоване, мењаће се од случаја до случаја. Типично ће то бити показатељ правовремености података, квалитета података, могућности упита, ограничења конкурентности у приступу подацима, могућности интерактивне визуализације итд.
У МЛ моделима, мере перформанси су кристално јасне. Сваки алгоритам ће имати меру која ће указати на то колико добро или лоше модел описује дате податке о тренингу. На пример, РМЕ (грешка средње квадратне грешке) се користи у линеарној регресији као показатељ грешка у моделу.
- Методологија развоја - Пројекти Дата Сциенце усклађени су више као инжењерски пројекат са јасно дефинисаним прекретницама. Али МЛ пројекти су више истраживања која почињу хипотезом и покушавају да се докажу доступним подацима.
- Визуализација - Визуализација опћенито Дата Сциенце представља податке директно користећи било које популарне графиконе попут шипке, пите итд. Али у МЛ-у, употребљене визуализације представљају математички модел података о тренингу. На примјер, визуализација матрице конфузије класификације више класа помаже брзо препознати лажне позитиви и негативи.
- Језици - СКЛ и СКЛ језици синтаксе (ХивеКЛ, Спарк СКЛ итд.) Су најкоришћенији језик у свету података о науци. Употребљени су и популарни скриптни језици за обраду података попут Перл, авк, сед. широко коришћена категорија (Јава за Хадооп, Сцала фор Спарк итд.)
Питхон и Р су језик који се највише користи у свету машинског учења. У данашње време Питхон добија све више напора јер се нови истраживачи дубоког учења углавном претварају у питхон.СКЛ такође игра важну улогу у фази истраживања података МЛ-а.
Табела упоређивања података о науци и машинском учењу
| Основе поређења | Дата Сциенце | Машинско учење |
| Обим | Створите увид из података који се баве свим сложеностима у стварном свету. То укључује задатке попут разумевања захтева, вађења података итд. | Тачно класификујте или предвидите исход за нову тачку података учећи обрасце из историјских података, користећи математичке моделе. |
| Унос података | Већина улазних података генерира се као потрошни податак који људи требају читати или анализирати попут табеларних података или слика. | Улазни подаци за МЛ ће се трансформисати посебно за алгоритме који се користе. Неки су примери скалирање функција, уметање речи или додавање полиномских карактеристика |
| Сложеност система | ● Компоненте за руковање неструктурираним необрађеним подацима који долазе.
● Много компонената које се крећу, обично их заказује слој оркестрације за синхронизацију независних послова | ● Главна сложеност је иза алгоритама и математичких концепата који стоје иза тога
● Модели ансамбла ће имати више од једног МЛ модела и сваки ће имати пондерирани допринос коначном резултату |
| Преферирани сет вештина | ● Стручност у домену
● ЕТЛ и профилирање података ● Снажан СКЛ ● НоСКЛ системи ● Стандардно извештавање / визуелизација | ● Снажно разумевање математике
● Питхон / Р програмирање ● Склапање података са СКЛ-ом ● Визуализација специфична за модел |
| Спецификација хардвера | ● Хоризонтално скалабилни системи који преферирају руковање огромним подацима
● Високи РАм и ССД дискови који се користе за превазилажење уског и излазног уског грла | ● ГПУ-ови се преферирају за интензивне векторске операције
● У току су снажније верзије попут ТПУ-а (линк) |
Закључак - Дата Сциенце вс Машинско учење
И у науци о подацима и у машинском учењу покушавамо да извучемо информације и увиде из података. Машинско учење које покушава да алгоритми уче самостално. Тренутно се напредни модели МЛ-а примењују на Сциенце Сциенце ради аутоматског откривања и профилисања података. Гоогле Цлоуд Датапреп је најбољи пример за то.
Препоручени чланак:
Ово је водич за науку о подацима у односу на машинско учење, њихово значење, упоређивање главе до главе, кључне разлике, табелу поређења и закључак. Такође можете погледати следеће чланке да бисте сазнали више -
- Питања о интервјуу за Хадооп програмере
- Биг Дата вс Дата Сциенце - како се разликују?
- Наука података и њен значај у порасту
- Статистика вс Машинско учење - разлике између
- Како пробити интервју с Хадооп програмером?