D:
Qual è la differenza tra machine learning e data mining?
UN:Il data mining e l'apprendimento automatico sono due termini molto diversi, ma spesso sono entrambi usati nello stesso contesto, che è la capacità delle parti di affinare e ordinare i dati per arrivare a intuizioni e conclusioni. Le somiglianze e le differenze combinate possono rendere confusi questi due processi molto diversi per un pubblico meno esperto di tecnologia.
Il data mining è il processo di aggregazione dei dati e quindi dell'estrazione di dati utili da quel set di dati più ampio. È un tipo di scoperta della conoscenza che esiste da quando siamo riusciti a aggregare grandi quantità di dati. Puoi eseguire il data mining con un sistema abbastanza primitivo: il programma sarà programmato per cercare schemi e tendenze dei dati specifici, e le informazioni tecniche saranno "estratte" da quella massa di dati grezzi in qualunque forma si trovino.
L'apprendimento automatico è qualcosa di più nuovo e più sofisticato. L'apprendimento automatico utilizza set di dati, ma a differenza del data mining, l'apprendimento automatico utilizza algoritmi e configurazioni elaborati come le reti neurali per consentire effettivamente alla macchina di apprendere dai dati di input. Pertanto, l'apprendimento automatico è un po 'più approfondito di un'operazione di data mining. Ad esempio, in una rete neurale, i neuroni artificiali lavorano a strati per assorbire i dati di input e rilasciare i dati di output con molta elaborata attività "scatola nera" nel mezzo (il termine "scatola nera" si applica a sistemi più sofisticati quando gli umani hanno un difficoltà a capire come le reti neurali o gli algoritmi stanno effettivamente facendo il loro lavoro).
Anche il data mining e l'apprendimento automatico sono molto diversi nelle loro applicazioni rispetto all'azienda. Ancora una volta, il data mining può continuare all'interno di qualsiasi data applicazione ERP e in molti processi diversi.
Al contrario, un progetto di apprendimento automatico richiede risorse considerevoli. I project manager devono assemblare i dati di training e test, cercare problemi come overfitting, decidere sulla selezione e l'estrazione delle funzionalità e molto altro. L'apprendimento automatico può richiedere forme complesse di buy-in da parte di varie parti interessate, mentre le attività di data mining di solito richiedono solo una rapida approvazione.
Nonostante queste differenze, sia il data mining che l'apprendimento automatico si applicano al regno della scienza dei dati. Imparare di più sulla scienza dei dati aiuta le parti interessate a saperne di più su come funzionano questi processi e su come possono essere applicati in un determinato settore.
