数据科学、机器学习和AI的区别

当我进行以数据科学家进行自我介绍时，经常会被问道：“数据科学和机器学习有什么区别？”或者“这是不是意味着你在研究人工智能？”所以我将通过本文进行回答。

这些领域确实有很多重叠的地方，但它们并不是一个领域：即使很难用语言表达，这些领域的大多数专家也都能直观的理解特定的工作是如何被分类为数据科学、机器学习或人工智能的。

所以在这篇文章中，我提出了关于这三个领域差异的简化定义:

·数据科学产生洞察力。

·机器学习做出预测。

·人工智能生成行为。

显然，这不是一个充分条件：不是所有符合该定义的东西都是该领域的一部分。（算命先生做出预言，但我们不会说他们在做机器学习！）这也不是一个确定某人角色或者职位头衔的好方法（我是数据科学家吗？）。

但是我认为这个定义对区分这三种工作是非常有效方法，并且可以避免你谈论它的时候听起来很傻。

数据科学生成洞察力

数据科学与其他两个领域非常不同，因为它的目标同时也是人类的一个目标：获得洞察力和理解能力。Jeff Leek对数据科学能够达到的洞察类型有一个很好的定义，包括描述性（“平均客户端更新的几率为70%”）探索性（不同的销售人员有不同的更新率）和因果关系。

同样，并不是所有产生洞察力的都有资格成为数据科学，数据科学的经典定义是它涉及了统计学，软件工程和领域专业知识的组合。但是我们可以利用这个定义来区分它和ML、AI。它们最主要的区别在于，在数据科学循环过程中总需要人参与：由人理解洞察结果，了解大体轮廓，或者从结论中获益。所以像“下棋算法使用数据科学来选择下一步”或者“谷歌地图使用数据科学来推荐驾驶方向”这些说法都是毫无意义的。

因此，数据科学的定义强调：

·统计推断

·数据可视化

·实验设计

·领域知识

·通讯

数据科学家可以使用一些非常简单的工具:他们可以获得百分比，并根据SQL查询结果绘制线形图。也可以使用非常复杂的方法:他们能够与分散的数据仓库合作，分析数以万亿计的记录，从而开发最前沿的统计技术，建立交互式可视化。但是不管他们使用什么，目的都是为了更好地理解他们的数据。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

机器学习做出预测

我认为机器学习属于预测领域：“给出具有特定特征的实例X，推测Y”。这些预测可能是关于未来的（预测这个病人是否会进入败血症），也可能是关于预测对计算机来说不那么明显的特性（预测这个图像是否会有鸟）。几乎所有的Kaggle竞赛都可以被认为是机器学习相关的问题：他们提供一些训练数据，然后看看竞赛者能否对新的例子做出准确的预测。

数据科学和机器学习有很多的重叠之处。例如，都可以用逻辑回归来获取对有关关系的见解（越富裕的人越有可能购买我们的产品，所以我们应该改变我们的营销策略）并且可以做出预测（该用户有53%的几率购买我们的产品，所以我们应该多向他们推销）。