Cameron Willden supports engineers and scientists across many different product lines at W.L. Gore, focusing on manufacturing and new product development.Cameron Willden は、WL Gore 社のさまざまな製品ラインにわたってエンジニアや科学者をサポートしており、製造と新製品開発に重点を置いています。
WL Gore の Cameron Willden 氏は、データ サイエンスと統計の違い、機械学習と AI の違いについて触れています。著者の David J. Hand 氏の基調講演で取り上げられた学習目標のいくつかに回答し、業界での長年の経験に基づいた独自の視点を述べています。基調講演とパネルディスカッションはいつでも視聴できます。
機械学習と人工知能の謎を解くのに助けが必要ですか? このトピックに関するライブストリームとオンデマンド ビデオが近々公開されます。 ぜひご覧ください。
「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いくつかあると思います。デイビッドはその違いを非常にわかりやすく説明してくれたと思います...
「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、データサイエンスではモデルから得られるポイント予測に重点を置く傾向があります。そのため、私たちは異なるツールセットに惹かれる傾向があります。」
「統計学者は仮説検定やブートストラッピングのようなさまざまな種類の統計間隔に注目していますが、データ サイエンティストはニューラル ネットワークやサポート ベクター マシン、ツリーベースの手法などに関心を持っています。両者が時々交わらないというわけではありませんが、彼らがより重視する事柄に一致する点が強調される傾向にあるのは確かです。
「機械学習と人工知能に関しては、正直に言って、デイビッドが説明したような説明は聞いたことがありません。それは、彼が人工知能のいくつかのサブフィールドをより深く理解した上で取り組んでいるからかもしれません。
「しかし、私が機械学習と人工知能について通常考えるのは、AI が最終目標だということです。私たちが望むのは、これまで明確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です。そして、そこに到達するには、機械学習ツールを使用します。これは、マシンを教育して知能を成長させるのに役立つ一連のテクニックとアルゴリズムです。そして、うまくいけば、ある時点で、マシンが仕事に就く準備が整います。
「私は通常、これらの用語についてこのように考えています。しかし、これらは漠然とした用語であり、AI と機械学習を同じ意味で使用している人をよく耳にするでしょう。それが大きな問題や混乱を引き起こすとは思えませんので、近い将来、これらの用語について共通の理解に収束することはないかもしれません。しかし、それは問題ないのかもしれません。」
[ビデオ]
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。
