By Paramita (Guha) Ghosh  來源：DATAVERSITY

在數(shù)據(jù)經(jīng)濟(jì)中，數(shù)據(jù)為王。今天，任何企業(yè)——無論大小——都依靠它的數(shù)據(jù)資產(chǎn)而蓬勃發(fā)展。最近，將數(shù)據(jù)驅(qū)動(dòng)的見解作為一種服務(wù)提供給外部世界的趨勢(shì)，為企業(yè)開辟了一條有利可圖的收入渠道。云計(jì)算和托管分析將數(shù)據(jù)即服務(wù)(data-as-a-service)帶到普通企業(yè)用戶的桌面上，這在幾年前還是聞所未聞的。
 

正如Gartner不久前預(yù)測(cè)的那樣，隨著全球商業(yè)環(huán)境迅速向“萬物數(shù)字化”發(fā)展，人工智能(AI)、機(jī)器學(xué)習(xí)(ML)和深度學(xué)習(xí)(DL)將在重塑全球商業(yè)方面扮演與數(shù)據(jù)科學(xué)同樣重要的角色。

數(shù)據(jù)管理與數(shù)據(jù)策略：業(yè)務(wù)成功的框架討論了如何圍繞企業(yè)數(shù)據(jù)資產(chǎn)構(gòu)建業(yè)務(wù)模型和收入流。作者還提到，對(duì)于企業(yè)來說，理解數(shù)據(jù)管理和數(shù)據(jù)策略之間的巨大差異是至關(guān)重要的，因?yàn)楹笳咄ㄟ^一個(gè)精心指導(dǎo)的計(jì)劃、計(jì)劃、策略和實(shí)踐框架來促進(jìn)前者。

目前，所有開發(fā)良好的業(yè)務(wù)模型都包含一個(gè)定義好的數(shù)據(jù)策略，用于指導(dǎo)整個(gè)組織中的數(shù)據(jù)管理活動(dòng)。在定義的數(shù)據(jù)策略框架中，數(shù)據(jù)管理遠(yuǎn)遠(yuǎn)超出了基本的數(shù)據(jù)庫管理任務(wù)，并為數(shù)據(jù)收集方法、數(shù)據(jù)治理、數(shù)據(jù)訪問和控制、數(shù)據(jù)隱私和安全性等創(chuàng)建了藍(lán)圖。

在這樣一個(gè)以數(shù)據(jù)為中心的業(yè)務(wù)環(huán)境中，在全球it市場(chǎng)上期待更新更好的數(shù)據(jù)技術(shù)是正常的，這可能在不久的將來取代人類數(shù)據(jù)科學(xué)家和業(yè)務(wù)分析師。

在為高管講解人工智能和機(jī)器學(xué)習(xí)的播客中，麥肯錫高級(jí)合伙人塔米姆•薩利赫(Tamim Saleh)討論了先進(jìn)的數(shù)據(jù)技術(shù)，尤其是人工智能和相關(guān)科學(xué)，并解釋了如何將它們最好地應(yīng)用于實(shí)際的商業(yè)環(huán)境。根據(jù)Saleh的說法，人類科學(xué)家開始通過輸入數(shù)據(jù)與機(jī)器進(jìn)行交互，這個(gè)過程通常是緩慢而錯(cuò)誤的。在下一個(gè)階段，當(dāng)圖像或語音分析與ML相結(jié)合時(shí)，機(jī)器將采用更多的人的特性，并開始表現(xiàn)得像一個(gè)代理。

從數(shù)據(jù)科學(xué)到人工智能& ML:技術(shù)轉(zhuǎn)型

Newgenapps的一篇博客文章稱，大數(shù)據(jù)的出現(xiàn)幫助數(shù)據(jù)科學(xué)項(xiàng)目迅速擴(kuò)大規(guī)模。這些最受歡迎的流行語經(jīng)常出現(xiàn)在科技新聞網(wǎng)站上，它們結(jié)合了數(shù)學(xué)原理、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、數(shù)據(jù)工程、數(shù)據(jù)庫技術(shù)等等。數(shù)據(jù)科學(xué)可以被看作是數(shù)據(jù)管理的技術(shù)領(lǐng)域，它使用人工智能和相關(guān)領(lǐng)域來解釋歷史數(shù)據(jù)，識(shí)別當(dāng)前數(shù)據(jù)中的模式，并對(duì)未來進(jìn)行預(yù)測(cè)。從這個(gè)意義上說，人工智能和人工智能的子集(如ML和DL)幫助數(shù)據(jù)科學(xué)家從數(shù)據(jù)庫存中獲得見解，從而積累競(jìng)爭(zhēng)情報(bào)。

人工智能可以被定義為一個(gè)具有許多子學(xué)科的廣泛科學(xué)領(lǐng)域——所有這些子學(xué)科都協(xié)同工作，以實(shí)現(xiàn)業(yè)務(wù)流程的自動(dòng)化，并使機(jī)器的行為更像人類。像ML和DL這樣的領(lǐng)域，雖然是人工智能的分支，但已經(jīng)深入到神經(jīng)網(wǎng)絡(luò)領(lǐng)域，從而將數(shù)據(jù)科學(xué)推進(jìn)到自動(dòng)化的下一個(gè)階段，語音、圖像、文本識(shí)別和虛擬現(xiàn)實(shí)融合在一起，創(chuàng)造了一個(gè)令人驚嘆的“數(shù)字化商業(yè)生態(tài)系統(tǒng)”。“與數(shù)據(jù)科學(xué)和人工智能的基本實(shí)踐相關(guān)的新技術(shù)仍然每天都在發(fā)展，現(xiàn)在有了大數(shù)據(jù)、云、物聯(lián)網(wǎng)、edge和無服務(wù)器——誰知道它的終點(diǎn)在哪里?”

數(shù)字之旅似乎還沒有結(jié)束

由于人工智能的出現(xiàn)，一直隱藏在內(nèi)部數(shù)據(jù)中心背后的數(shù)據(jù)科學(xué)突然在整個(gè)企業(yè)中獲得了巨大的可見性。業(yè)務(wù)流程和日常決策的一夜之間的轉(zhuǎn)變，再加上大數(shù)據(jù)、Hadoop和社交、移動(dòng)和物聯(lián)網(wǎng)渠道的興起，將數(shù)據(jù)技術(shù)帶到了業(yè)務(wù)運(yùn)營(yíng)的前沿。如今，商業(yè)中的數(shù)據(jù)規(guī)則，在可預(yù)見的未來，這一趨勢(shì)不會(huì)減弱。

數(shù)據(jù)科學(xué)、人工智能、ML和深度學(xué)習(xí)使用不同類型的ML算法來區(qū)分算法在實(shí)際數(shù)據(jù)管理項(xiàng)目中的適用性。數(shù)據(jù)科學(xué)的一個(gè)方面是“分析數(shù)據(jù)的業(yè)務(wù)”，它依靠人工智能支持的先進(jìn)工具，如ML和DL算法或神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)和預(yù)測(cè)競(jìng)爭(zhēng)優(yōu)勢(shì)。這意味著業(yè)務(wù)數(shù)據(jù)分析只在通過這些高級(jí)工具處理數(shù)據(jù)之后才開始。

“數(shù)據(jù)科學(xué)”是一個(gè)更全面的術(shù)語，包括“數(shù)據(jù)的收集、存儲(chǔ)、組織、準(zhǔn)備和端到端管理”，而支持人工智能的技術(shù)控制和促進(jìn)了業(yè)務(wù)操作中的數(shù)據(jù)分析。數(shù)據(jù)科學(xué)、人工智能和機(jī)器學(xué)習(xí)協(xié)同工作，利用數(shù)據(jù)獲得各種各樣的商業(yè)利益。

一篇來自Data Flair的博客文章將數(shù)據(jù)科學(xué)與AI、ML和DL進(jìn)行了比較，對(duì)比了數(shù)據(jù)科學(xué)與AI、ML和DL的好處。顯著不同的數(shù)據(jù)科學(xué)和人工智能的數(shù)據(jù)技術(shù)可能是學(xué)習(xí)算法，它訓(xùn)練大量的數(shù)據(jù)。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法對(duì)數(shù)據(jù)科學(xué)提供的數(shù)據(jù)進(jìn)行訓(xùn)練，從而在反饋商業(yè)預(yù)測(cè)方面變得更聰明、更有見地。從這個(gè)意義上說，數(shù)據(jù)科學(xué)和人工智能共享一種共生關(guān)系，在兩個(gè)方向上都是完全的互諒互讓。

對(duì)比數(shù)據(jù)科學(xué)、人工智能和ML之間的特征

數(shù)據(jù)科學(xué)、人工智能和ML之間的對(duì)比特征包含了對(duì)數(shù)據(jù)管理的三個(gè)不同領(lǐng)域的復(fù)雜關(guān)系分析。根據(jù)這篇文章，是機(jī)器學(xué)習(xí)將人工智能與數(shù)據(jù)科學(xué)聯(lián)系起來。另一方面，ML和DL具有父子關(guān)系，而AI和ML可能被描述為共享類似的父子關(guān)系。因此，人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)被分層次地置于數(shù)據(jù)技術(shù)生態(tài)系統(tǒng)中，AI位于頂部，DL位于底部。

雖然數(shù)據(jù)科學(xué)本身是一個(gè)跨學(xué)科的領(lǐng)域，但當(dāng)數(shù)據(jù)科學(xué)家進(jìn)入數(shù)據(jù)分析領(lǐng)域時(shí)，他們從人工智能的最高自動(dòng)化水平開始，逐漸下降到DL，承擔(dān)越來越復(fù)雜、越來越有挑戰(zhàn)性的分析任務(wù)。神經(jīng)網(wǎng)絡(luò)的功能類似于人腦，而密集的分析活動(dòng)需要“腦模擬器類環(huán)境”來解決高度復(fù)雜的業(yè)務(wù)問題。

因此，人工智能的廣泛領(lǐng)域及其所有子領(lǐng)域可以被視為數(shù)據(jù)科學(xué)的解決方案推動(dòng)者。

Springboardblog上的這篇文章敏銳地觀察了數(shù)據(jù)科學(xué)家和ML專家之間的基本區(qū)別。這篇文章指出，雖然ML專家在整個(gè)項(xiàng)目生命周期中都忙于構(gòu)建有用的算法，但數(shù)據(jù)科學(xué)家在角色扮演方面必須更靈活一些——根據(jù)項(xiàng)目的需要在不同的數(shù)據(jù)角色之間進(jìn)行切換。數(shù)據(jù)科學(xué)和人工智能在“數(shù)據(jù)”上重疊，這為協(xié)作構(gòu)建業(yè)務(wù)解決方案提供了機(jī)會(huì)。

方差解釋的一篇文章討論了這三個(gè)字段之間的重疊部分。它指出，雖然AI和ML為業(yè)務(wù)問題提供了答案，但數(shù)據(jù)科學(xué)家最終通過可視化和報(bào)告工具構(gòu)建了一個(gè)令人信服的故事，供更廣泛的業(yè)務(wù)受眾使用。業(yè)務(wù)受眾可能不理解什么是隨機(jī)森林，但是一旦數(shù)據(jù)驅(qū)動(dòng)的故事出現(xiàn)在他們面前，他們就會(huì)立即理解不同業(yè)務(wù)組件之間的關(guān)系和模式，以及它們對(duì)業(yè)務(wù)的未來影響。毫無疑問，與人工智能或ML從業(yè)者相比，數(shù)據(jù)科學(xué)家更像是領(lǐng)域?qū)＜�，能夠從�?shù)據(jù)驅(qū)動(dòng)的視角構(gòu)建最終的故事。

人工智能與機(jī)器學(xué)習(xí)之間的細(xì)微差別，最好通過它們的適用“用例和實(shí)現(xiàn)”來理解。人工智能和ML一起工作來自動(dòng)化人類活動(dòng)，比如客戶服務(wù)(數(shù)字助理)、駕駛車輛(自動(dòng)駕駛汽車)和提供個(gè)性化推薦(推薦引擎)。使用人工智能和ML的一個(gè)好處經(jīng)常被低估——通過從這些功能中消除人工智能節(jié)省大量成本的好處。

在《機(jī)器學(xué)習(xí)與深度學(xué)習(xí)》一書中，作者指出，在ML中，訓(xùn)練算法學(xué)習(xí)單層，而在DL中，同樣的算法訓(xùn)練發(fā)生在多層，這就是所謂的“無監(jiān)督學(xué)習(xí)”。DL中的學(xué)習(xí)與人類的學(xué)習(xí)條件非常相似。

最后請(qǐng)注意

對(duì)人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的研究和市場(chǎng)應(yīng)用的競(jìng)爭(zhēng)已經(jīng)開始，并將持續(xù)到遙遠(yuǎn)的未來。投資和實(shí)施最適合其獨(dú)特業(yè)務(wù)環(huán)境的先進(jìn)數(shù)據(jù)技術(shù)的企業(yè)，將在未來十年保持競(jìng)爭(zhēng)優(yōu)勢(shì)。

標(biāo)簽： 數(shù)據(jù) 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。