在這篇文章中，數(shù)據(jù)科學(xué)家與分析師 Vincent Granville 明晰了數(shù)據(jù)科學(xué)家所具有的不同角色，以及數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能、統(tǒng)計(jì)學(xué)等領(lǐng)域的區(qū)別。這些概念的區(qū)別也一直是人工智能領(lǐng)域熱烈討論的一個(gè)話題，Quora、多個(gè)技術(shù)博客都曾有過解答。機(jī)器之心之前編譯的一篇文章《人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，三者之間的同心圓關(guān)系》也對此問題進(jìn)行了探討，但似乎業(yè)內(nèi)還未能給出一個(gè)權(quán)威的、令所有人信服的回答。如果對這篇文章中的觀點(diǎn)不認(rèn)同，歡迎大家留言討論。

在這篇文章中，數(shù)據(jù)科學(xué)家與分析師 Vincent Granville 明晰了數(shù)據(jù)科學(xué)家所具有的不同角色，以及數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能、統(tǒng)計(jì)學(xué)、物聯(lián)網(wǎng)、運(yùn)籌學(xué)和應(yīng)用數(shù)學(xué)等相關(guān)領(lǐng)域的比較和重疊。Granville 介紹說，由于數(shù)據(jù)科學(xué)是一個(gè)范圍很廣的學(xué)科，所以他首先介紹了在業(yè)務(wù)環(huán)境中可能會(huì)遇到的數(shù)據(jù)科學(xué)家的類型：你甚至可能會(huì)發(fā)現(xiàn)你自己原來也是某種數(shù)據(jù)科學(xué)家。和其它任何科學(xué)學(xué)科一樣，數(shù)據(jù)科學(xué)也可能會(huì)從其它相關(guān)學(xué)科借用技術(shù)；當(dāng)然，我們也已經(jīng)開發(fā)出了自己的技術(shù)庫，尤其是讓我們可以以自動(dòng)化的方式（甚至完全無需人類干預(yù)）處理非常大規(guī)模的非結(jié)構(gòu)化數(shù)據(jù)集的技術(shù)和算法，進(jìn)而實(shí)時(shí)執(zhí)行交易或進(jìn)行預(yù)測。

1. 數(shù)據(jù)科學(xué)家具有哪些不同類型？

要更詳細(xì)地了解數(shù)據(jù)科學(xué)家的類型，可參閱文章：http:///28rlX1 和 http:///3NNUpd。更多有用的信息可參閱：

• 數(shù)據(jù)科學(xué)家與數(shù)據(jù)架構(gòu)師：http:///4bRkRG

• 數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師：http:///3mpo6E

• 數(shù)據(jù)科學(xué)家與統(tǒng)計(jì)學(xué)家：http:///2GGtfG

• 數(shù)據(jù)科學(xué)家與業(yè)務(wù)分析師：http:///3h0hkX

而在最近，數(shù)據(jù)科學(xué)家 Ajit Jaokar 則又討論了 A 型數(shù)據(jù)科學(xué)家（分析師）和 B 型數(shù)據(jù)科學(xué)家（建造者）之間的區(qū)別：

A 型數(shù)據(jù)科學(xué)家能夠很好地編寫操作數(shù)據(jù)的代碼，但并不一定是一個(gè)專家。A 型數(shù)據(jù)科學(xué)家可能是一個(gè)實(shí)驗(yàn)設(shè)計(jì)、預(yù)測、建模、統(tǒng)計(jì)推理或統(tǒng)計(jì)學(xué)方面的事情的專家。然而總體而言，一個(gè)數(shù)據(jù)科學(xué)家的工作產(chǎn)品并不是「P 值和置信區(qū)間」——就像學(xué)術(shù)界的統(tǒng)計(jì)學(xué)有時(shí)候建議的那樣（而且這常常是為傳統(tǒng)的制藥等等行業(yè)工作的）。在谷歌，A 型數(shù)據(jù)科學(xué)家被稱為統(tǒng)計(jì)學(xué)家、定量分析師、決策支持工程開發(fā)分析師，也有一些被稱為數(shù)據(jù)科學(xué)家。

B 型數(shù)據(jù)科學(xué)家：這里的 B 是指 Building。B 型數(shù)據(jù)科學(xué)家和 A 型數(shù)據(jù)科學(xué)家具有相同的背景，但他們還是很強(qiáng)的程序員、甚至經(jīng)驗(yàn)豐富的軟件工程師。B 型數(shù)據(jù)科學(xué)家主要關(guān)注在生產(chǎn)環(huán)境中使用數(shù)據(jù)。他們構(gòu)建能與用戶進(jìn)行交互的模型，通常是提供推薦（產(chǎn)品、可能認(rèn)識(shí)的人、廣告、電影、搜索結(jié)果等）。

而對于業(yè)務(wù)處理優(yōu)化，我也有自己的看法，我將其分成了 ABCD 四個(gè)方向，其中 A 表示分析科學(xué)（analytics science），B 表示業(yè)務(wù)科學(xué)（business science），C 表示計(jì)算機(jī)科學(xué)（computer science），D 則表示數(shù)據(jù)科學(xué)（data science）。數(shù)據(jù)科學(xué)可能會(huì)涉及到編程或數(shù)學(xué)實(shí)踐，但也可能不會(huì)涉及到。你可以參考 http:///11bR7o 這篇文章了解高端和低端的數(shù)據(jù)科學(xué)的差異。在一家創(chuàng)業(yè)公司，數(shù)據(jù)科學(xué)家通常要做很多類型的工作，其扮演的工作角色可能包括：執(zhí)行、數(shù)據(jù)挖掘師、數(shù)據(jù)工程師或架構(gòu)師、研究員、統(tǒng)計(jì)學(xué)家、建模師（做預(yù)測建模等等）和開發(fā)人員。

雖然數(shù)據(jù)科學(xué)家常常被看作是經(jīng)驗(yàn)豐富的 R、Python、SQL、Hadoop 程序員，而且精通統(tǒng)計(jì)學(xué)，但這不只不過是冰山一角而已——人們對于數(shù)據(jù)科學(xué)家的這些看法不過是來自于重在教授數(shù)據(jù)科學(xué)的部分元素的數(shù)據(jù)培訓(xùn)項(xiàng)目而已。但正如一位實(shí)驗(yàn)室技術(shù)人員也可以稱自己為物理學(xué)家一樣，真正的物理學(xué)家遠(yuǎn)不止于此，而且他們的專業(yè)領(lǐng)域也是非常多樣化的：天文學(xué)、數(shù)學(xué)物理、核物理、力學(xué)、電氣工程、信號(hào)處理（這也是數(shù)據(jù)科學(xué)的一個(gè)領(lǐng)域）等等許多。數(shù)據(jù)科學(xué)也是一樣，包含的領(lǐng)域有：生物信息學(xué)、信息技術(shù)、模擬和量化控制、計(jì)算金融、流行病學(xué)、工業(yè)工程、甚至數(shù)論。

對我而言，在過去的十年里，我專注于機(jī)器到機(jī)器和設(shè)備到設(shè)備的通信、開發(fā)能自動(dòng)處理大型數(shù)據(jù)集的系統(tǒng)、執(zhí)行自動(dòng)化交易（比如購買網(wǎng)絡(luò)流量或自動(dòng)生成內(nèi)容）。這意味著需要開發(fā)能夠處理非結(jié)構(gòu)化數(shù)據(jù)的算法，這也是人工智能、物聯(lián)網(wǎng)和數(shù)據(jù)科學(xué)的交叉領(lǐng)域，也可被稱為深度數(shù)據(jù)科學(xué)（deep data science）。其對數(shù)學(xué)的需求相對較少，也只涉及到較少的編程（大部分是調(diào)用 API），但其卻是相當(dāng)數(shù)據(jù)密集型的（包括構(gòu)建數(shù)據(jù)系統(tǒng)），并且基于專門為此背景而設(shè)計(jì)的全新統(tǒng)計(jì)技術(shù)。

在此之前，我的工作是實(shí)時(shí)的信用卡欺詐檢測。在我事業(yè)的早期階段（大約 1990 年），我開發(fā)過圖像遠(yuǎn)程感知技術(shù)，其中包括識(shí)別衛(wèi)星圖像的模式（形狀和特征，比如湖泊）和執(zhí)行圖像分割：那段時(shí)間我的研究工作被稱為是計(jì)算統(tǒng)計(jì)學(xué)，但在我的母校，隔壁的計(jì)算機(jī)科學(xué)系也在做著幾乎完全一樣的事情，但他們把自己的工作叫做是人工智能。

今天，這項(xiàng)工作被稱作數(shù)據(jù)科學(xué)或人工智能，其子領(lǐng)域包括信號(hào)處理、用于物聯(lián)網(wǎng)的計(jì)算機(jī)視覺等。

另外，數(shù)據(jù)科學(xué)家也可以在各種各樣的數(shù)據(jù)科學(xué)項(xiàng)目中出現(xiàn)，比如數(shù)據(jù)收集階段或數(shù)據(jù)探索階段一直到統(tǒng)計(jì)建模和已有系統(tǒng)維護(hù)。

2. 機(jī)器學(xué)習(xí)對比深度學(xué)習(xí)

在深入探討數(shù)據(jù)學(xué)習(xí)與機(jī)器學(xué)習(xí)之間的區(qū)別前，我們先簡單討論下機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別。機(jī)器學(xué)習(xí)一系列在數(shù)據(jù)集上進(jìn)行訓(xùn)練的算法，來做出預(yù)測或采取形同從而對系統(tǒng)進(jìn)行優(yōu)化。例如，基于歷史數(shù)據(jù)，監(jiān)督分類算法就被用來分類潛在的客戶或貸款意向。根據(jù)給定任務(wù)的不同（例如，監(jiān)督式聚類），用到的技術(shù)也不同：樸素貝葉斯、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、ensembles、關(guān)聯(lián)規(guī)則、決策樹、邏輯回歸或多種方法之間的結(jié)合。

這些都是數(shù)據(jù)科學(xué)的分支。當(dāng)這些算法被用于自動(dòng)化的時(shí)候，就像在自動(dòng)飛行或無人駕駛汽車中，它被稱為人工智能，更具體的細(xì)說，就是深度學(xué)習(xí)。如果數(shù)據(jù)收集自傳感器，通過互聯(lián)網(wǎng)進(jìn)行傳輸，那就是機(jī)器學(xué)習(xí)或數(shù)據(jù)科學(xué)或深度學(xué)習(xí)應(yīng)用到了 IoT 上。

有些人對深度學(xué)習(xí)有不同的定義。他們認(rèn)為深度學(xué)習(xí)是帶有更多層的神經(jīng)網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)技術(shù)）。深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的區(qū)別這一問題在 Quora 上也被問到過，下面對此有詳細(xì)的解釋：

• 人工智能是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域，創(chuàng)造于 20 世紀(jì) 60 年代，它涉及到解決對人類而言簡單卻對計(jì)算機(jī)很難的任務(wù)。詳細(xì)來說，所謂的強(qiáng)人工智能系統(tǒng)應(yīng)該是能做人類所能做的任何事。這是相當(dāng)通用的，包含所有的任務(wù)，比如規(guī)劃、到處移動(dòng)、識(shí)別物體與聲音、說話、翻譯、完成社會(huì)或商業(yè)事務(wù)、創(chuàng)造性的工作（繪畫、作詩）等。

• 自然語言處理只是人工智能與語言有關(guān)的一部分。

• 機(jī)器學(xué)習(xí)被認(rèn)為是人工智能的一方面：給定一些可用離散術(shù)語（例如，在一些行為中，那個(gè)行為是正確的）描述的人工智能問題，并給出關(guān)于這個(gè)世界的大量信息，在沒有程序員進(jìn)行編程的情況下弄清楚「正確」的行為。典型的是，需要一些外部流程判斷行為是否正確。在數(shù)學(xué)術(shù)語中，也就是函數(shù)：饋入輸入，產(chǎn)生正確的輸出。所以整個(gè)問題就是以自動(dòng)化的方式建立該數(shù)學(xué)函數(shù)的模型。在二者進(jìn)行區(qū)分時(shí)：如果我寫出的程序聰明到表現(xiàn)出人類行為，它就是人工智能。但如果它的參數(shù)不是自動(dòng)從數(shù)據(jù)進(jìn)行學(xué)習(xí)，它就不是機(jī)器學(xué)習(xí)。

• 深度學(xué)習(xí)是如今非常流行的一種機(jī)器學(xué)習(xí)。它涉及到一種特殊類型的數(shù)學(xué)模型，可認(rèn)為它是特定類型的簡單模塊的結(jié)合（函數(shù)結(jié)合），這些模塊可被調(diào)整從而更好的預(yù)測最終輸出。

3.機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)之間的區(qū)別

《Machine Learning Vs. Statistics》這篇文章試圖解答這個(gè)問題。這篇文章的作者認(rèn)為統(tǒng)計(jì)學(xué)是帶有置信區(qū)間（confidence intervals）的機(jī)器學(xué)習(xí)，是為了預(yù)測或估計(jì)數(shù)量。但我不同意，我曾建立過不需要任何數(shù)學(xué)或統(tǒng)計(jì)知識(shí)的工程友好的置信區(qū)間。

4. 數(shù)據(jù)科學(xué)對比機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)都是數(shù)據(jù)科學(xué)的一部分。機(jī)器學(xué)習(xí)中的學(xué)習(xí)一詞表示算法依賴于一些數(shù)據(jù)（被用作訓(xùn)練集），來調(diào)整模型或算法的參數(shù)。這包含了許多的技術(shù)，比如回歸、樸素貝葉斯或監(jiān)督聚類。但不是所有的技術(shù)都適合機(jī)器學(xué)習(xí)。例如有一種統(tǒng)計(jì)和數(shù)據(jù)科學(xué)技術(shù)就不適合——無監(jiān)督聚類，該技術(shù)是在沒有任何先驗(yàn)知識(shí)或訓(xùn)練集的情況下檢測 cluster 和 cluster 結(jié)構(gòu)，從而幫助分類算法。這種情況需要人來標(biāo)記 cluster。一些技術(shù)是混合的，比如半監(jiān)督分類。一些模式檢測或密度評估技術(shù)適合機(jī)器學(xué)習(xí)。

數(shù)據(jù)科學(xué)要比機(jī)器學(xué)習(xí)廣泛。數(shù)據(jù)科學(xué)中的數(shù)據(jù)可能并非來自機(jī)器或機(jī)器處理（調(diào)查數(shù)據(jù)可能就是手動(dòng)收集，臨床試驗(yàn)涉及到專業(yè)類型的小數(shù)據(jù)），就像我剛才所說的，它可能與「學(xué)習(xí)」沒有任何關(guān)系。但主要的區(qū)別在于數(shù)據(jù)科學(xué)覆蓋整個(gè)數(shù)據(jù)處理，并非只是算法的或統(tǒng)計(jì)類分支。細(xì)說之，數(shù)據(jù)科學(xué)也包括：

• 數(shù)據(jù)集成（data integration）

• 分布式架構(gòu)（distributed architecture）

• 自動(dòng)機(jī)器學(xué)習(xí)（automating machine learning）

• 數(shù)據(jù)可視化（data visualization）

• dashboards 和 BI

• 數(shù)據(jù)工程（data engineering）

• 產(chǎn)品模式中的部署（deployment in production mode）

• 自動(dòng)的、數(shù)據(jù)驅(qū)動(dòng)的決策（automated, data-driven decisions）

當(dāng)然，在許多公司內(nèi)數(shù)據(jù)科學(xué)家只專注這些流程中的一個(gè)。

對于這篇文章，技術(shù)顧問 Suresh Babu 給出了一個(gè)評論，機(jī)器之心將其編譯整合到了下面：

這篇文章說明了解使用機(jī)器/計(jì)算機(jī)來處理類似人類決策的任務(wù)的統(tǒng)計(jì)學(xué)習(xí)的基本術(shù)語是件很麻煩的事。

但文章中「當(dāng)這些算法被用于自動(dòng)化的時(shí)候，就像在自動(dòng)飛行或無人駕駛汽車中，它被稱為人工智能，更具體的細(xì)說，就是深度學(xué)習(xí)。」這樣的說話看起來卻有些隨意任性。

當(dāng)過去計(jì)算機(jī)/機(jī)器還不夠友好，沒有得到廣泛使用的時(shí)候，統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家的工作和現(xiàn)在這個(gè)領(lǐng)域的工作有很大的不同。比如說，當(dāng)制造業(yè)開始使用計(jì)算機(jī)輔助后，生產(chǎn)速度和量都發(fā)生了巨大的變化——但它仍然是制造業(yè)。用制造機(jī)器來做原本人類做的程序化工作的想法最早來自 19 世紀(jì)初 Jacquard 和 Bouchon 等人。而 Jacquard 織布機(jī)的工作方式和現(xiàn)在計(jì)算機(jī)控制的織布機(jī)的工作方式基本相同。

現(xiàn)在的數(shù)據(jù)科學(xué)是一個(gè)知識(shí)體系，囊括了統(tǒng)計(jì)學(xué)和計(jì)算方法等等（而且在不同的具體領(lǐng)域不同學(xué)科的比例也不一樣）。

機(jī)器學(xué)習(xí)（或使用了其它的術(shù)語，比如深度學(xué)習(xí)、認(rèn)知計(jì)算）是讓機(jī)器像人類一樣思考和推理，基本上而言是指通過人工的方法（所以也叫人工智能）來代替人類天生的自然智能——涉及到的任務(wù)從簡單到復(fù)雜都有。比如，無人駕駛汽車（目前）正在模仿人類的駕駛，駕駛條件也是人類在自然情況下會(huì)遇到的——我說「目前」是因?yàn)橐苍S未來人類將很少能夠直接駕駛機(jī)器，「駕駛（drive）」這個(gè)詞本身都可能會(huì)改變含義。

這個(gè)領(lǐng)域里面也有些滑稽可笑的事情，比如一些基本的東西（比如一個(gè)下國際象棋或圍棋的算法）被認(rèn)為可以解釋人腦的工作方式。就我們目前的知識(shí)水平而言，光是解釋鳥或魚的大腦的工作方式就已經(jīng)非常困難了——這說明我們還沒有真正理解學(xué)習(xí)的機(jī)制。為什么果蠅只需幾百個(gè)神經(jīng)元就能做到這么多事情？這還是神經(jīng)科學(xué)的一個(gè)未解之謎。而認(rèn)知是什么以及其在自然環(huán)境下是如何工作的也是一個(gè)數(shù)據(jù)科學(xué)傲慢地認(rèn)為自己能解決的重大難題。（不管怎樣，降維是一種無監(jiān)督學(xué)習(xí)的方法。）

在很多方面，工具以及我們使用工具所做的事情自人類誕生以來就在引導(dǎo)著人類的學(xué)習(xí)。但這就扯遠(yuǎn)了。

原文鏈接：http://www./profiles/blogs/difference-between-machine-learning-data-science-ai-deep-learning

本文為機(jī)器之心編譯，轉(zhuǎn)載請聯(lián)系本公眾號(hào)獲得授權(quán)。

------------------------------------------------

加入機(jī)器之心（全職記者/實(shí)習(xí)生）：hr@jiqizhixin.com

投稿或?qū)で髨?bào)道：editor@jiqizhixin.com

廣告&商務(wù)合作：bd@jiqizhixin.com