Αυτές τις μέρες, όροι όπως data science, machine learning και artificial intelligence μερικές φορές αναφέρονται σαν ισοδύναμα, αν και είναι λάθος.
Παρακάτω μπορείτε να βρείτε τι αντιπροσωπεύει το καθένα:
- Data science
Με απλά λόγια, το data science αναφέρεται στη διαδικασία εξαγωγής χρήσιμων στοιχείων από τα δεδομένα. Αυτή η διεπιστημονική προσέγγιση συνδυάζει διάφορους τομείς του computer science, των scientific processes και methods, και των statistics προκειμένου να εξαγάγει δεδομένα με αυτοματοποιημένους τρόπους.
Προκειμένου να συγκεντρωθούν big data, τα οποία συνδέονται στενά με το πεδίο, το data science χρησιμοποιεί ένα ευρύ φάσμα τεχνικών, εργαλείων και αλγορίθμων που συλλέγονται από τα πεδία. Η εκπαίδευση του data science προωθεί αυτές τις τεχνικές.
Ηλιακή καταιγίδα ίσως επηρεάσει την ανάκαμψη από τον τυφώνα
Αποκαλύφθηκαν τα Cybercab robotaxi και Tesla Robovan
Πώς τα εργαλεία της OpenAI επηρεάζουν τις εκλογές;
- Machine learning
Στο machine learning (ML), χρησιμοποιούνται στατιστικές μέθοδοι με στόχο την ενδυνάμωση των μηχανών, για να μάθουν χωρίς να προγραμματιστούν ρητά.
Το πεδίο επικεντρώνεται στην εκμάθηση των αλγορίθμων από τα παρεχόμενα δεδομένα, στη συλλογή πληροφοριών και στην πρόβλεψη δεδομένων που δεν έχουν υποβληθεί σε ανάλυση, με βάση τις πληροφορίες που συγκεντρώθηκαν. Γενικά, η μηχανική μάθηση βασίζεται σε τρία βασικά μοντέλα αλγορίθμων μάθησης:
- supervised machine learning algorithms
- unsupervised machine learning algorithms
- reinforcement machine learning algorithms
Στο πρώτο μοντέλο υπάρχει ένα dataset με inputs και outputs. Στη δεύτερη, η μηχανή μαθαίνει από ένα dataset που έρχεται μόνο με input variables. Στο μοντέλο reinforcement learning χρησιμοποιούνται αλγόριθμοι για την επιλογή μιας ενέργειας.
- Artificial Intelligent
Αν και είναι ένας ευρύς όρος, στον πυρήνα του, η AI αναφέρεται στη διαδικασία κατασκευής μηχανών που επιτρέπουν την προσομοίωση της λειτουργίας του ανθρώπινου εγκεφάλου.
Στο σύγχρονο τεχνολογικό τοπίο, η AI χωρίζεται σε δύο βασικούς τομείς.
Ο πρώτος είναι γενικό AI, το οποίο βασίζεται στην ιδέα ότι ένα σύστημα μπορεί να χειριστεί καθήκοντα όπως μιλώντας και μεταφράζοντας, αναγνωρίζοντας ήχους και αντικείμενα, πραγματοποιώντας επιχειρηματικές ή κοινωνικές συναλλαγές κλπ. Ο άλλος ΑΙ αναφέρεται σε concepts όπως αυτοκίνητα χωρίς οδηγό.
Πώς συνδέονται όλα αυτά τα πεδία μεταξύ τους;
Ο διεπιστημονικός τομέας του data science χρησιμοποιεί βασικές δεξιότητες ενός ευρέος φάσματος πεδίων, όπως machine learning, statistics, visualization κλπ. Μας επιτρέπει να εντοπίζουμε το νόημα και τις κατάλληλες πληροφορίες από τεράστιους όγκους δεδομένων για να λαμβάνουμε τεκμηριωμένες αποφάσεις στην τεχνολογία, την επιστήμη, τις επιχειρήσεις κ.λπ.
Για μια πιο απλή άποψη σχετικά με τη σχέση μεταξύ αυτών των τεχνολογιών, η AI εφαρμόζεται με βάση το machine learning. Και το machine learning είναι ένα μέρος του data science που αντλεί χαρακτηριστικά από αλγόριθμους και στατιστικά στοιχεία για να επεξεργαστεί τα δεδομένα που προέρχονται από πολλαπλούς πόρους. Έτσι, μπορείτε να πείτε ότι το data science συγχωνεύει μαζί μία δέσμη αλγορίθμων που έχουν αποκτηθεί από το machine learning για να αναπτύξουν μια λύση, και κατά τη διάρκεια της διαδικασίας, δανείζονται πολλές ιδέες από την εμπειρία των domain, τις στατιστικές και τα μαθηματικά.