キャメロンウィルデンは、WLのさまざまな製品ラインのエンジニアと科学者をサポートしています ゴア、製造と新製品開発に焦点を当てています。
WLGoreのCameronWilldenが、データサイエンスと統計の違い、および機械学習とAIの違いについて触れています。 彼は、著者のDavid J. Handによる基調講演で取り上げられた学習目標のいくつかに対応し、業界での年数に基づいた独自の視点を提供します。 あなたは見ることができます基調講演とパネルディスカッションいつでも。
機械学習と人工知能の謎を解く手助けが必要ですか？ このトピックに関する今後のライブストリームとオンデマンドビデオがあります。 それらをチェックしてください！
「はい、特にデータサイエンスと統計の間には本当に重要な違いがあると思います。 デビッドは違いをかなりよく説明したと思います...
「統計学者として、私たちは推定値の不確実性を定量化することに重点を置く傾向があり、データサイエンスは、モデルから得られるポイント予測をより重視する傾向があります。 そのため、私たちは別のツールセットに引き寄せられる傾向があります。
「統計学者は、仮説検定と、ブートストラップなどのさまざまなタイプの統計間隔を検討しています。データサイエンティストは、ニューラルネットワークなどに引き寄せられ、ベクターマシンやツリーベースの方法をサポートします。 たまに道を渡らないというわけではありませんが、気になることと一致することが強調される傾向があります。
「機械学習と人工知能に関しては、正直なところ、Davidが説明したような方法で説明されているのを聞いたことがないことを認めます。それは、彼が人工知能のサブフィールドのいくつかをよりよく理解してそれに取り組んでいるためかもしれません。
「しかし、私が通常機械学習と人工知能について考える方法は、AIが最終目標であるということです。 これまで明示的に遭遇したことのない例に直面した場合でも、タスクを適切に実行できるマシンが必要です。 そして、そこにたどり着くために、機械学習ツールを使用します。これは、機械を教育してインテリジェンスを高めるために使用する一連の技術とアルゴリズムです。 そしてうまくいけば、ある時点で、それは仕事をする準備ができています。
「それが、私が通常これらの用語について考える方法です。 しかし、それらはあいまいな用語であり、人々がAIと機械学習を同じ意味で使用しているのをよく耳にします。 それがどこで大きな問題や混乱を引き起こしているのかはよくわかりません。そのため、近い将来、これらの用語の一般的な理解に集中できない可能性があります。 しかし、多分それは大丈夫です。」
実用的な説明として、統計/データサイエンスの違いに同意することができます：不確実性の定量化とポイント予測（付随するさまざまなツールを使用）。しかし、これは機能不全の状況を反映していると思います。不確実性を測定しないポイント予測は、せいぜい危険です。それは私に古いケネス・ボールディングの引用を思い出させます：「不確実性の下での最適化はほとんど常に災害の目標を達成することにつながります。」一部のデータサイエンスツール（ニューラルネットなど）の不確実性の定量化が未発達であることは事実です。これは、開発が必要な主要な分野の1つであると思います。そして、予測精度を気にせずに推論に焦点を当てることは、無関係性を高めるための青写真です。重複を受け入れる必要があります。優れた統計学者と優れたデータサイエンティストは、実際にはそれほど異なった働きをしませんし、そうすべきでもありません。
@dale_lehman 、
私はあなたの最後の2つの文に心から同意します。 ソフトウェアパッケージ戦争（R vs SAS vs Python vs Julia vs [ad infinitum]）のように、「データサイエンティスト」と「統計学者」の間にはギャップが拡大しているようで、前者は後者を「古くて触れられていない」。 （それは私が会議で耳にしたことです。）私たちは本当にデータ内の情報を解析しようとしています。より良い言葉がないため、両方の「アプローチ」は有効で必要です。 私たちは、別々のキャンプに分割するのではなく、両方の長所をもたらすために協力する必要があります。
