K:
Mi a különbség a gépi tanulás és az adatbányászat között?
A:Az adatbányászat és a gépi tanulás két nagyon különféle kifejezés - de gyakran használják mindkettőt ugyanabban a kontextusban, amely a felek azon képessége, hogy finomítsák és rendezzék az adatokat, hogy betekintést és következtetéseket tegyenek. A hasonlóságok és a különbségek együttesen zavarhatják a két nagyon különféle folyamatról való beszélgetést a kevésbé tech-hozzáértő közönség számára.
Az adatbányászat az adatok összesítésének és azután a hasznos adatok kinyerésének a folyamatából a nagyobb adatkészletből áll. Ez egyfajta tudásfedezés, amely azóta is zajlik, mivel nagy mennyiségű adatot tudtunk összegyűjteni. Az adatbányászat meglehetősen primitív rendszerrel végezhető el: A programot úgy kell beprogramozni, hogy konkrét mintákat és adattrendeket keressen, és a műszaki információkat az adatok nyers tömegéből bármilyen formában „bányászják”.
A gépi tanulás valami újabb és kifinomultabb. A gépi tanulás adatkészleteket használ, de az adatbányászattal ellentétben a gépi tanulás olyan bonyolult algoritmusokat és beállításokat használ, mint például az idegi hálózatok, hogy a gép valóban lehetővé tegye a bemeneti adatokból való tanulást. Mint ilyen, a gépi tanulás egy kicsit alaposabb, mint egy adatbányász művelet. Például egy idegi hálózatban a mesterséges idegsejtek rétegekben dolgoznak, hogy bemeneti adatokat gyűjtsenek és kimeneti adatokat bocsássanak ki a közben sok kifinomult „fekete doboz” aktivitással (a „fekete doboz” kifejezés a kifinomultabb rendszerekre vonatkozik, amikor az embereknek van nehéz megérteni, hogy a neurális hálózatok vagy algoritmusok miként valósítják meg munkájukat).
Az adatbányászat és a gépi tanulás szintén meglehetősen eltérőek a vállalkozáson belüli alkalmazásukban. Az adatbányászat is folytatódhat bármely adott ERP alkalmazáson belül és sok különféle folyamatban.
Ezzel szemben a gépi tanulási projekt jelentős erőforrásokat igényel. A projektvezetőknek össze kell gyűjteniük a képzési és tesztelési adatokat, meg kell vizsgálniuk a problémákat, mint például a túlfűtés, a szolgáltatások kiválasztását és a szolgáltatás kibontását, és még sok minden mást. A gépi tanulás megkövetelheti a különféle érintettek részvételének komplex formáit, míg az adatbányászati tevékenységek általában csak egy gyors bejelentkezéshez vezetnek.
E különbségek ellenére mind az adatbányászat, mind a gépi tanulás vonatkozik az adattudomány területére. Az adattudomány megismerése segíti az érdekelt feleket abban, hogy többet megtudjanak ezekről a folyamatokról, és hogyan alkalmazhatók az adott iparágban.
