เนื้อหา
นำเสนอโดย: AltaML
Q:
อะไรคือความแตกต่างระหว่างการเรียนรู้ของเครื่องและการขุดข้อมูล
A:
การทำเหมืองข้อมูลและการเรียนรู้ของเครื่องเป็นคำศัพท์ที่แตกต่างกันมาก - แต่พวกเขามักจะใช้ทั้งสองในการต่อต้านเดียวกันซึ่งเป็นความสามารถของฝ่ายในการปรับแต่งและจัดเรียงข้อมูลเพื่อให้ได้ข้อมูลเชิงลึกและข้อสรุป ความคล้ายคลึงกันและความแตกต่างที่รวมกันสามารถทำให้การพูดคุยเกี่ยวกับกระบวนการที่แตกต่างกันสองอย่างนี้ทำให้เกิดความสับสนสำหรับผู้ชมที่มีความรู้ด้านเทคโนโลยีน้อยลง
Data mining เป็นกระบวนการรวบรวมข้อมูลแล้วทำการแยกข้อมูลที่มีประโยชน์ออกจากชุดข้อมูลที่ใหญ่กว่านั้น เป็นการค้นพบความรู้ประเภทหนึ่งที่เกิดขึ้นนับตั้งแต่เราสามารถรวบรวมข้อมูลจำนวนมากได้ คุณสามารถทำการขุดข้อมูลด้วยระบบพื้นฐานที่ค่อนข้างเป็นธรรม: โปรแกรมจะถูกตั้งโปรแกรมให้มองหารูปแบบและแนวโน้มของข้อมูลที่เฉพาะเจาะจงและข้อมูลทางเทคนิคจะถูก“ ขุด” จากมวลดิบของข้อมูลนั้นไม่ว่าจะอยู่ในรูปแบบใด
การเรียนรู้ของเครื่องเป็นสิ่งใหม่และซับซ้อนยิ่งขึ้น การเรียนรู้ของเครื่องใช้ชุดข้อมูล แต่ต่างจากการทำเหมืองข้อมูลการเรียนรู้ของเครื่องใช้อัลกอริธึมที่ซับซ้อนและการตั้งค่าเช่นเครือข่ายประสาทเทียมเพื่ออนุญาตให้เครื่องเรียนรู้จากข้อมูลอินพุต ดังนั้นการเรียนรู้ของเครื่องจึงค่อนข้างลึกซึ้งมากกว่าการทำ data ดาต้า ตัวอย่างเช่นในโครงข่ายประสาทเทียมเซลล์ประสาทเทียมทำงานเป็นชั้นเพื่อรับข้อมูลอินพุตและปล่อยข้อมูลเอาต์พุตที่มีกิจกรรม "กล่องดำ" ที่ซับซ้อนจำนวนมากในระหว่าง (คำว่า "กล่องดำ" ใช้กับระบบที่มีความซับซ้อนมากขึ้นเมื่อมนุษย์ การทำความเข้าใจเวลาที่ยากลำบากในการทำงานของเครือข่ายหรืออัลกอริธึมในการทำงาน)
การทำเหมืองข้อมูลและการเรียนรู้ของเครื่องนั้นค่อนข้างแตกต่างกันในการใช้งานกับองค์กร การทำเหมืองข้อมูลสามารถดำเนินต่อไปได้ภายในแอปพลิเคชัน ERP ที่ระบุและในกระบวนการที่หลากหลาย
ในทางตรงกันข้ามโครงการเรียนรู้ของเครื่องต้องใช้ทรัพยากรจำนวนมาก ผู้จัดการโครงการต้องรวบรวมข้อมูลการฝึกอบรมและการทดสอบค้นหาปัญหาเช่น overfitting ตัดสินใจเลือกคุณสมบัติและแยกคุณสมบัติและอื่น ๆ อีกมากมาย การเรียนรู้ของเครื่องอาจต้องใช้การซื้อในรูปแบบที่ซับซ้อนจากผู้มีส่วนได้เสียต่างๆในขณะที่กิจกรรมการขุดข้อมูลมักจะต้องมีการลงชื่อออกอย่างรวดเร็ว
แม้จะมีความแตกต่างกันทั้งการขุดข้อมูลและการเรียนรู้ด้วยเครื่องก็สามารถนำไปใช้กับขอบเขตของวิทยาศาสตร์ข้อมูลได้ การเรียนรู้เพิ่มเติมเกี่ยวกับวิทยาศาสตร์ข้อมูลช่วยให้ผู้มีส่วนได้เสียเรียนรู้เพิ่มเติมเกี่ยวกับวิธีการทำงานของกระบวนการเหล่านี้และวิธีการนำไปใช้ในอุตสาหกรรมใดก็ตาม