தரவு அறிவியல் அல்லது இயந்திர கற்றல்? வித்தியாசத்தை எவ்வாறு கண்டறிவது என்பது இங்கே

உள்ளடக்கம்

• தரவு அறிவியல் மற்றும் இயந்திர கற்றல்: பரந்த மற்றும் குறுகிய சொல்
• தரவு அறிவியல் மற்றும் இயந்திர கற்றல் திறன் செட்
• பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி
• இயந்திர கற்றலை கண்டுபிடிப்பது எப்படி
• இரண்டு கட்டிங்-எட்ஜ் ஒழுக்கங்கள்

ஆதாரம்: எல்னூர் / ட்ரீம்ஸ்டைம்.காம்

எடுத்து செல்:

தரவு அறிவியல் மற்றும் இயந்திர கற்றல் முக்கிய வழிகளில் வேறுபட்டவை. சில வழிகளில், ஒன்றை மற்றொன்றின் துணைக்குழுவாகக் காணலாம். தற்போதைய தகவல் தொழில்நுட்ப முன்னேற்றத்தில் இவை இரண்டும் முக்கியமானவை.

செயற்கை நுண்ணறிவு மற்றும் தரவு நிர்வாகத்தின் இந்த புதிய உலகில், தகவல் தொழில்நுட்ப உலகில் பொதுவாகப் பயன்படுத்தப்படும் சில சொற்களால் குழப்பமடைவது எளிது.

எடுத்துக்காட்டாக, தரவு அறிவியல் மற்றும் இயந்திர கற்றல் ஒருவருக்கொருவர் நிறைய தொடர்பு கொண்டுள்ளன. இந்த துறைகளைப் பற்றிய அறிவை மட்டுமே கொண்ட பலருக்கு அவர்கள் ஒருவருக்கொருவர் எவ்வாறு வேறுபடுகிறார்கள் என்பதைக் கண்டுபிடிப்பதில் சிக்கல் இல்லை என்பதில் ஆச்சரியமில்லை.

தரவு கற்றலை இயந்திரக் கற்றலிலிருந்து ஒரு கொள்கையாகவும் தொழில்நுட்ப அணுகுமுறையாகவும் பிரிக்க சிறந்த வழி இங்கே.

தரவு அறிவியல் மற்றும் இயந்திர கற்றல்: பரந்த மற்றும் குறுகிய சொல்

முதலாவதாக, தரவு விஞ்ஞானம் உண்மையில் ஒரு பரந்த, பரவலான தொழில்நுட்ப வகையாகும், இது பல வகையான திட்டங்கள் மற்றும் படைப்புகளை உள்ளடக்கியது. (தரவு அறிவியல் வேலையில் என்ன இருக்கிறது என்பதைப் பற்றி மேலும் அறிய, வேலை பங்கு: தரவு விஞ்ஞானி பார்க்கவும்.)

தரவு அறிவியல் என்பது பெரிய தரவுகளுடன் பணிபுரியும் நடைமுறையாகும். இது மூரின் சட்டமாக வெளிப்பட்டது மற்றும் மிகவும் திறமையான சேமிப்பக சாதனங்களின் பெருக்கம் நிறுவனங்கள் மற்றும் பிற கட்சிகளால் ஏராளமான தரவுகளை சேகரிக்க வழிவகுத்தது. பின்னர், பெரிய தரவு தளங்கள் மற்றும் ஹடூப் போன்ற கருவிகள் தரவு மேலாண்மை எவ்வாறு செயல்படுகிறது என்பதை மாற்றுவதன் மூலம் கம்ப்யூட்டிங்கை மறுவரையறை செய்யத் தொடங்கின. இப்போது, ​​மேகம் மற்றும் கொள்கலன் மற்றும் புதிய மாடல்களுடன், பெரிய தரவு நாம் வேலை செய்யும் மற்றும் வாழும் வழிகளில் ஒரு முக்கிய இயக்கி ஆகிவிட்டது.

அதன் எளிமையான வடிவத்தில், தரவு விஞ்ஞானம் என்பது அந்த தரவை நாங்கள் நிர்வகிக்கும் முறையாகும், அதை சுத்தம் செய்வதிலிருந்து சுத்திகரிப்பதில் இருந்து அதை நுண்ணறிவு வடிவத்தில் பயன்படுத்துகிறோம்.

இயந்திர கற்றலின் வரையறை மிகவும் குறுகியது. இயந்திர கற்றலில், தொழில்நுட்பங்கள் தரவை எடுத்து வழிமுறைகள் மூலம், "கற்றல்" என்று விவரிக்கப்படும் மனித அறிவாற்றல் செயல்முறைகளை உருவகப்படுத்துவதற்காக. வேறுவிதமாகக் கூறினால், தரவை எடுத்து அதில் பயிற்சி பெற்றால், கணினி அதன் சொந்த முடிவுகளை வழங்க முடியும் , புரோகிராமர்கள் வைத்திருக்கும் செயல்முறைகளிலிருந்து தொழில்நுட்பம் கற்றுக்கொண்டதாகத் தெரிகிறது.

தரவு அறிவியல் மற்றும் இயந்திர கற்றல் திறன் செட்

தரவு விஞ்ஞானம் மற்றும் இயந்திரக் கற்றலை வேறுபடுத்துவதற்கான மற்றொரு வழி, இந்த இரண்டு துறைகளிலும் உள்ள நிபுணர்களுக்கு மிகவும் மதிப்புமிக்க பல்வேறு திறன்களைப் பார்ப்பது.

பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி

மென்பொருள் தரத்தைப் பற்றி யாரும் அக்கறை கொள்ளாதபோது உங்கள் நிரலாக்க திறன்களை மேம்படுத்த முடியாது.

ஆழ்ந்த பகுப்பாய்வு மற்றும் கணித திறன்கள், தரவுத்தள தொழில்நுட்பங்களுடனான அனுபவம் மற்றும் பைதான் போன்ற நிரலாக்க மொழிகளின் அறிவு அல்லது பெரிய தரவுகளை பாகுபடுத்துவதற்குப் பயன்படுத்தப்படும் பிற தொகுப்புகள் ஆகியவற்றிலிருந்து தரவு விஞ்ஞானிகள் பயனடைவார்கள் என்ற பொதுவான ஒருமித்த கருத்து உள்ளது.

“(தரவு அறிவியலில்) ஒரு வலுவான வாழ்க்கையை உருவாக்க ஆர்வமுள்ள எவரும் மூன்று துறைகளில் முக்கிய திறன்களைப் பெற வேண்டும்: பகுப்பாய்வு, நிரலாக்க மற்றும் கள அறிவு” என்று சிம்பிலிலார்னில் ஸ்ரீஹரி சசிகுமார் எழுதுகிறார். "ஒரு நிலை ஆழமாகச் செல்வது, தரவு விஞ்ஞானியாக ஒரு முக்கிய இடத்தை உருவாக்க பின்வரும் திறன்கள் உங்களுக்கு உதவும்: பைதான், எஸ்ஏஎஸ், ஆர் (மற்றும்) ஸ்கலா பற்றிய வலுவான அறிவு, SQL தரவுத்தள குறியீட்டில் கைநிறைய அனுபவம், கட்டமைக்கப்படாத தரவிலிருந்து பணிபுரியும் திறன் வீடியோ மற்றும் சமூக ஊடகங்கள் போன்ற பல்வேறு ஆதாரங்கள், பல பகுப்பாய்வு செயல்பாடுகளை (மற்றும்) இயந்திர கற்றல் பற்றிய அறிவைப் புரிந்து கொள்ளுங்கள். ”

இயந்திர கற்றல் பக்கத்தில், வல்லுநர்கள் பெரும்பாலும் தரவு மாடலிங் திறன்கள், நிகழ்தகவு மற்றும் புள்ளிவிவர அறிவு மற்றும் பரந்த நிரலாக்க திறன்களை இயந்திர கற்றல் பொறியாளரின் கருவித்தொகுப்பில் பயனுள்ள கருவியாகக் குறிப்பிடுகின்றனர்.

இயந்திர கற்றலை கண்டுபிடிப்பது எப்படி

இங்குள்ள முக்கியமானது என்னவென்றால், எல்லா வகையான விஷயங்களும் தரவு அறிவியல் வேலைகளை உள்ளடக்கியது, ஆனால் கணினி அதன் உள்ளீடுகளிலிருந்து கற்றுக்கொள்ள உதவும் வகையில் மிகக் கடுமையான விதிமுறைகளை நீங்கள் அமைக்காவிட்டால் அது இயந்திர கற்றல் அல்ல.

அது நடைமுறையில் இருக்கும்போது, ​​இது நம் வாழ்வில் பரந்த அளவிலான விளைவுகளை ஏற்படுத்தக்கூடிய சில வியக்கத்தக்க திறமையான அமைப்புகளை உருவாக்குகிறது.

"இயந்திரக் கற்றலுடன் நாங்கள் செய்யும் பெரும்பாலானவை மேற்பரப்புக்கு அடியில் நிகழ்கின்றன" என்று அமேசான் நிறுவனர் ஜெஃப் பெசோஸ் கூறியதாகக் கூறப்படுகிறது, இந்த வகை அமைப்புகளின் சில பயன்பாடுகளை சுட்டிக்காட்டுகிறது. “இயந்திர கற்றல் தேவை முன்கணிப்பு, தயாரிப்பு தேடல் தரவரிசை, தயாரிப்பு மற்றும் ஒப்பந்த பரிந்துரைகள், வர்த்தக இடங்கள், மோசடி கண்டறிதல், மொழிபெயர்ப்புகள் மற்றும் பலவற்றிற்கான எங்கள் வழிமுறைகளை இயக்குகிறது. குறைவாகக் காணப்பட்டாலும், இயந்திரக் கற்றலின் தாக்கத்தின் பெரும்பகுதி இந்த வகையாக இருக்கும் - அமைதியாக ஆனால் அர்த்தமுள்ள முக்கிய செயல்பாடுகளை மேம்படுத்துகிறது. ”

இங்கே மிகவும் பயனுள்ள எடுத்துக்காட்டுகளில் ஒன்று நரம்பியல் வலையமைப்பின் தோற்றம் - இது இயந்திர கற்றல் செயல்முறைகளை அமைப்பதற்கான பொதுவான மற்றும் பிரபலமான முறையாகும்.

அதன் மிக அடிப்படையான வடிவத்தில், நரம்பியல் வலையமைப்பு செயற்கை நியூரான்களின் அடுக்குகளால் ஆனது. ஒவ்வொரு செயற்கை நியூரானும் ஒரு உயிரியல் நியூரானுக்கு சமமான செயல்பாட்டைக் கொண்டுள்ளது - ஆனால் சினாப்ச்கள் மற்றும் டென்ட்ரைட்டுகளுக்கு பதிலாக, இது உள்ளீடுகள், செயல்படுத்தும் செயல்பாடு மற்றும் இறுதியில் வெளியீடுகளைக் கொண்டுள்ளது.

நரம்பியல் நெட்வொர்க் ஒரு மனித மூளையைப் போலவே செயல்படுகிறது, மேலும் இயந்திர கற்றல் வல்லுநர்கள் இயந்திர மாதிரியை உருவாக்க இந்த மாதிரியைப் பயன்படுத்துகிறார்கள்.

இருப்பினும், இயந்திர கற்றல் செய்வதற்கான ஒரே வழி இதுவல்ல. இன்னும் சில அடிப்படை இயந்திர கற்றல் திட்டங்களில் ஒரு கணினியை பரந்த அளவிலான புகைப்படங்களைக் காண்பித்தல் (அல்லது பிற மூல தரவுகளுடன் வழங்குதல்), மேற்பார்வையிடப்பட்ட இயந்திர கற்றல் மற்றும் லேபிள் தரவைப் பயன்படுத்துவதன் மூலம் யோசனைகளை உள்ளீடு செய்தல் மற்றும் கணினி இறுதியில் பாகுபாடு காண்பது ஆகியவை அடங்கும். காட்சி புலத்தில் பல்வேறு வடிவங்கள் அல்லது உருப்படிகள். (இயந்திர கற்றல் குறித்த அடிப்படைகளுக்கு, இயந்திர கற்றல் 101 ஐப் பாருங்கள்.)

இரண்டு கட்டிங்-எட்ஜ் ஒழுக்கங்கள்

முடிவில், இயந்திர கற்றல் தரவு அறிவியலின் மதிப்புமிக்க பகுதியாகும். ஆனால் தரவு விஞ்ஞானம் பரந்த எல்லை மற்றும் இயந்திர கற்றல் நடைபெறும் கான் ஆகியவற்றைக் குறிக்கிறது.

ஒரு வகையில், பெரிய தரவு இல்லாமல் இயந்திர கற்றல் ஒருபோதும் நடக்காது என்று நீங்கள் கூறலாம். பெரிய தரவு தானே இயந்திரக் கற்றலை உருவாக்கவில்லை, மாறாக - அதற்கு பதிலாக, நாங்கள் என்ன செய்ய வேண்டும் என்று எங்களுக்குத் தெரியாத அளவுக்கு அதிகமான தரவுகளைத் திரட்டிய பிறகு, மேல் மனங்கள் இந்த உயிர்-உருவகப்படுத்துதல் செயல்முறைகளை சூப்பர்சார்ஜ் செய்யப்பட்ட வழியாக கொண்டு வந்தன நுண்ணறிவுகளை வழங்கும்.

இங்கே மனதில் கொள்ள வேண்டிய மற்றொரு நல்ல விஷயம் என்னவென்றால், தரவு விஞ்ஞானத்தை இரண்டு முக்கிய வழிகளில் பயன்படுத்தலாம் - இயந்திர கற்றல் மற்றும் செயற்கை நுண்ணறிவை நாம் தழுவிக்கொள்ளலாம், கணினிகள் நம்மை சிந்திக்க அனுமதிக்கலாம், அல்லது தரவு அறிவியலை மீண்டும் மனிதனை மையமாகக் கொண்ட அணுகுமுறைக்கு கொண்டு வர முடியும். கணினி வெறுமனே முடிவுகளை அளிக்கிறது, மனிதர்களாகிய நாம் முடிவுகளை எடுக்கிறோம்.

இந்த தொழில்நுட்பங்களை நாங்கள் பயன்படுத்தும் வழிகளைப் பற்றி இன்னும் துடிப்பான கணக்கீட்டைக் கோருவதற்கு இன்றைய சிறந்த கண்டுபிடிப்பாளர்கள் உட்பட சில நிபுணர்களை இது வழிநடத்துகிறது.

"(AI) கிட்டத்தட்ட யாருக்கும் தெரிந்ததை விட அதிக திறன் கொண்டது மற்றும் முன்னேற்ற விகிதம் அதிவேகமானது" என்று எலோன் மஸ்க் மேற்கோள் காட்டியுள்ளார், அதே நேரத்தில் இயந்திர கற்றல் மற்றும் AI திட்டங்களுக்கு மேற்பார்வை தேவை என்று எச்சரித்தார்.

எவ்வாறாயினும், தரவு விஞ்ஞானம் மற்றும் இயந்திர கற்றல் இரண்டும் சமூகங்கள் இன்று தொழில்நுட்பத்தில் நாம் செய்து வரும் முன்னேற்றத்தின் முக்கிய பகுதிகள்.