Майкл Кох первоначально опубликовал этот блог на своем личном сайте. Обязательно посетите сайт Майкла, чтобы быть в курсе последних событий в мире технологий, искусственного интеллекта и SaaS.
У меня много дискуссий с людьми, которые работают в мире технологий, и иногда бывает сложно понять различия в некоторых дисциплинах, из-за чего люди используют взаимозаменяемые термины. У дисциплин есть свои уникальные атрибуты, поэтому я решил написать в блоге более конкретное определение некоторых из этих дисциплин, просто чтобы вы знали.
Область прогнозной аналитики использует (по большей части) комбинацию трех дисциплин, а именно машинного обучения, интеллектуального анализа данных и статистики. Предиктивная аналитика использует эти дисциплины для построения модели, позволяющей заглянуть в будущее и прогнозировать будущие результаты для бизнес-целей. Предиктивная аналитика смотрит в будущее, чтобы повысить ценность бизнеса.
Вот краткий обзор дисциплин:
Статистика
Статистика — это дисциплина, которая включает в себя сбор, анализ и интерпретацию данных. В статистике нет предварительной обработки данных, здесь на сцену выходит интеллектуальный анализ данных. Принципиальное отличие статистики от интеллектуального анализа данных заключается в том, что в статистике отсутствует предварительная обработка данных. Имея это в виду, данные, используемые в статистике, должны быть тщательно отобраны.
Сбор данных
Целью интеллектуального анализа данных является поиск закономерностей и знаний в больших объемах данных. Цель состоит не просто в том, чтобы «добыть» данные, а фактически в том, чтобы найти в них закономерности. Майнеры данных могут использовать машинное обучение, но не обязательно. Майнеры данных используют классификацию данных, чтобы пометить данные в определенную категорию.
Машинное обучение
Машинное обучение включает в себя построение алгоритмов, позволяющих машинам учиться и делать прогнозы на основе данных. По мере того, как система анализирует больше данных, она узнает больше о них и о том, чего от них ожидать. По мере обработки нового поведения система может принимать более обоснованные решения.
Резюме
Таковы некоторые различия между дисциплинами, и они должны дать вам некоторое представление о том, что они включают в себя. Часто можно упустить из виду простые вещи, поэтому всегда полезно знать ключевые различия в различных дисциплинах, особенно в постоянно развивающемся мире ИИ. Я обязательно включу больше определений в будущие блоги.
