Skillnaden mellan datavetenskap och maskininlärning
Datavetenskap är en evolutionär förlängning av statistik som kan hantera de enorma mängderna med hjälp av datavetenskapsteknologier. Maskininlärning är ett studieområde som ger datorer förmågan att lära sig utan att uttryckligen programmeras. Datavetenskap täcker ett brett utbud av datateknologier inklusive SQL, Python, R och Hadoop, Spark, etc. Maskininlärning ses som en process, det kan definieras som den process genom vilken en dator kan arbeta mer exakt när den samlar in och lär sig av uppgifterna.
Jämförelse mellan data och datavetenskap mot maskininlärning (Infographics)
Nedan visas topp 5-jämförelsen mellan Data Science vs Machine Learning
Nyckelskillnaden mellan datavetenskap och maskininlärning
Nedan är skillnaden mellan datavetenskap och maskininlärning som följer
- Komponenter - Som nämnts tidigare täcker Data Science-system hela datalivscykeln och har vanligtvis komponenter att täcka följande:
- Insamling och profilering av data - ETL (Extract Transform Load) rörledningar och profileringsjobb
- Distribuerad databehandling - horisontellt skalbar datadistribution och bearbetning
- Automatisera intelligens - Automatiserade ML-modeller för onlinesvar (förutsägelse, rekommendationer) och bedrägeri upptäckt.
- Datavisualisering - Utforska visuellt data för att få en bättre intuition av data. Den integrerade delen av ML-modellering.
- Instrumentpaneler och BI - Fördefinierade instrumentpaneler med skiv- och tärningskapacitet för intressenter på högre nivå.
- Datateknik - Se till att varm och kall data alltid är tillgänglig. Täcker säkerhetskopiering av data, säkerhet, katastrofåterställning
- Distribution i produktionsläge - Migrera systemet till produktion med industristandardmetoder.
- Automatiserade beslut - Detta inkluderar körning av affärslogik ovanpå data eller en komplex matematisk modell utbildad med vilken ML-algoritm som helst.
Maskininlärningsmodellering börjar med att data finns och typiska komponenter är följande:
- Förstå problemet - Se till att ML är ett effektivt sätt att lösa problemet. Observera att inte alla problem kan lösas med ML.
- Utforska data - För att få en intuition av funktioner som ska användas i ML-modell. Detta kan behöva mer än en iteration. Datavisualisering spelar en avgörande roll här.
- Förbered data - Detta är ett viktigt steg med stor inverkan på noggrannheten i ML-modellen. Den behandlar dataproblem som vad man ska göra med saknade data för en funktion? Ersätt med dummyvärde som noll, eller medelvärde för andra värden eller släpp funktionen från modellen ?. Skalningsfunktioner, som säkerställer att värdena på alla funktioner är i samma intervall, är avgörande för många ML-modeller. Många andra tekniker gillar polynomfunktionsgenerering används också här för att få nya funktioner.
- Välj en modell och tåg - Modellen väljs utifrån en typ av problem (förutsägelse eller klassificering etc.) och typ av funktionsuppsättning (vissa algoritmer fungerar med ett litet antal instanser med ett stort antal funktioner och andra i andra fall) .
- Prestandamätning - Inom Data Science är prestandamätningar inte standardiserade, det kommer att ändras från fall till fall.Typiskt sett kommer det att vara en indikation på datainsamling, datakvalitet, förfrågan, kapacitetsgränser i datatillträde, interaktiv visualiseringskapacitet etc.
I ML-modeller är prestandamått kristallklara. Varje algoritm kommer att ha ett mått som anger hur väl eller dåligt modellen beskriver träningsdata som ges. Till exempel används RME (Root Mean Square Error) i Linear Regression som en indikation på en fel i modellen.
- Utvecklingsmetodik - Data Science-projekt anpassas mer som ett ingenjörsprojekt med tydligt definierade milstolpar. Men ML-projekt är mer av forskning, som börjar med en hypotes och försöker få det bevisat med tillgängliga data.
- Visualisering - Visualisering i allmänhet Data Science representerar data direkt med hjälp av populära grafer som stapel, paj osv. Men i ML representerar visualiseringar som också används en matematisk modell för träningsdata. Att visualisera förvirringsmatris för en klassificering i flera grupper hjälper till att snabbt identifiera falska positiva och negativa.
- Språk - SQL och SQL som syntaxspråk (HiveQL, Spark SQL osv.) Är det mest använda språket i Data Science-världen. Populära databehandlingsskriptspråk som Perl, awk, sed används också. Ramverksspecifika välstödda språk är ett annat använt kategori (Java för Hadoop, Scala för gnista osv).
Python och R är det mest använda språket i maskininlärningsvärlden. För närvarande får Python mer fart när nya forskare inom djup inlärning mestadels konverteras till python.SQL spelar också en viktig roll i datautforskningsfasen för ML
Jämförelse tabell för datavetenskap jämfört med maskininlärning
| Grund för jämförelse | Data Science | Maskininlärning |
| Omfattning | Skapa insikter från data som hanterar alla verkliga komplexiteter. Detta inkluderar uppgifter som att förstå kravet, extrahera data etc. | Klassificera eller förutse exakt utfallet för ny datapunkt genom att lära in mönster från historiska data med hjälp av matematiska modeller. |
| Indata | De flesta inmatningsdata genereras som mänsklig konsumtionsdata som ska läsas eller analyseras av människor som tabelldata eller bilder. | Ingångsdata för ML kommer att transformeras specifikt för använda algoritmer. Funktionsskalning, Word-inbäddning eller lägg till polynomfunktioner är några exempel |
| Systemkomplexitet | ● Komponenter för att hantera ostrukturerad rådata som kommer.
● Många rörliga komponenter som vanligtvis är schemalagda av ett orkestrationslager för att synkronisera oberoende jobb | ● Stor komplexitet är med algoritmer och matematiska begrepp bakom det
● Ensemblemodeller kommer att ha mer än en ML-modell och var och en kommer att ha ett viktat bidrag på slutproduktionen |
| Föredragen kompetensuppsättning | ● Domänkompetens
● ETL och dataprofilering ● Stark SQL ● NoSQL-system ● Standardrapportering / visualisering | ● Stark matematikförståelse
● Python / R-programmering ● Datakrasling med SQL ● Modellspecifik visualisering |
| Hårdvara specifikation | ● Horisontellt skalbara system föredrar att hantera massiva data
● Höga RAm och SSD: er som används för att övervinna I / O-flaskhalsen | ● GPU: er föredras för intensiva vektoroperationer
● Kraftigare versioner som TPU (länk) är på väg |
Slutsats - Data Science vs Machine Learning
Inom både datavetenskap och maskininlärning försöker vi ta ut information och insikter från data. Maskininlärning som försöker få algoritmer att lära sig på egen hand. För närvarande används avancerade ML-modeller på Data Science för att automatiskt upptäcka och profilera data. Googles Cloud Dataprep är det bästa exemplet för detta.
Rekommenderad artikel:
Detta har varit en guide till datavetenskap mot maskininlärning, deras betydelse, jämförelse mellan huvud och huvud, viktiga skillnader, jämförelsetabell och slutsats. Du kan också titta på följande artiklar för att lära dig mer -
- Hadoop utvecklarintervju Frågor
- Big Data vs Data Science - Hur skiljer de sig?
- Datavetenskap och dess växande betydelse
- Statistik vs maskininlärning-skillnader mellan
- Hur knäcker Hadoop utvecklarintervju?