江苏龙网

  1. 主页 > 生活百科 > >

AI 人工智能，数据科学和数据分析

人工智能

关于人工智能（AI） ， 数据科学和分析的定义存在很多混乱 ， 这对于正在考虑专门研究这些领域的学生和早期职业人士尤其有害 。本文旨在消除这种混乱 。
在有关"人工智能：一种现代方法"（Russell ， 2010年）的权威书中 ， 人工智能（AI）被称为"智能软件代理" 。机器学习 ， 计算机视觉和自然语言处理方面的进步为AI掀起了轩然大波 。这种嗡嗡声有时会掩盖其他AI算法 ， 例如搜索 ， 随机游戏等 。
数据科学是关于组织和分析大量数据的 。它与机器学习（ML）工具紧密相连 。这些工具也称为AI 。与AI的重叠通常可以通过" AI制造工具； 数据科学使用工具" 。如果是这样 ， 数据科学家就是训练和维护机器学习（ML）算法的机械师 ， 而不是设计和构建系统的工程师 。这与那些旨在"从数据中提取价值"的数据科学家的愿望背道而驰（Irizarry ， 2020年） ， 并迫使重新定义数据科学 ， 使其成为与Analytics（分析）高度重叠的总称 。
分析是"将数据转化为洞察力以做出更好的决策"所需的所有术语的统称（Saxena ， 2020年） ， 其中包括以下任务：
· 使用统计数据 ， 运营研究和决策分析来创建分析 。在报告 ， 记分卡和仪表板中显示结果 。
· 建立并运行数据供应链 。管理数据和元数据 ， 确保数据处理流程和数据质量 。
· 设计和实施用户界面 ， 仪表板 ， 报告等 。
· 编码并维护数据处理 ， 系统接口和存储 。
· 设置并运行服务器和网络的系统基础结构 。
分析系统通常从交易系统获取数据 。交易系统是数据的主要发起者和来源 。交易系统有很多种 ， 例如企业资源计划（ERP） ， 客户关系管理（CRM） ， 供应链管理（SCM）等 。其他数据源 ， 例如社交媒体（Facebook ， Twitter等） ，  出于讨论的目的 ， 也可以将物联网（IoT）等归入"交易系统"类别 。分析系统和交易系统之间的区别在于不同的目的：一个要分析 ， 另一个要执行交易或任务 。
分析系统和交易系统不需要使用AI ， 它们可以并且经常使用非智能软件 。因此 ， 我们可以根据是否使用AI来将所有系统归为智能系统或哑系统 。
· 哑系统 。这些系统用于数据输入和存储 ， 在数据处理中具有基本的"智能"功能 ， 例如编辑检查 ， 过滤 ， 分组 ， 求和等 。对于诸如ERP和CRM的复杂系统 ， 智能通常是在软件开发人员的脑海中 。根据对业务需求的评估来配置和定制系统的专家 ， 然后用户可以按照专家设置的确切途径使用哑系统 。
· 智能系统 。这些系统在软件中嵌入了"分析人员的思想" ， 使系统能够实现其目标（例如 ， 将语音转录为文本 ， 或建立最佳的人员花名册） ， 这些用户对于正在使用的算法没有专门知识的用户 用过的 。

AI 人工智能，数据科学和数据分析

文章插图
> Systems in a 2x2 matrix: Transaction/Analytics vs. Dumb/Intelligent Systems
现在 ， 我们可以在表示系统范围的2x2矩阵的背景下定义AI ， 数据科学和分析 。
· 人工智能负责设计 ， 构建和运行智能系统 ， 包括分析和交易系统 。
· Analytics处理设计 ， 构建和运行的分析系统 ， 包括智能系统和哑系统
· 数据科学以"机器学习工程师"的角色处理智能系统的调优 ， 但可能（而且经常如此）渴望成为AI或Analytics角色 。
参考文献
Russell ， S.和Norvig ， P.（2010年） 。人工智能：一种现代方法 。学徒大厅 。ISBN 0134610997 。
Saxena ， R.＆Srinivasan ， A.（2013年） 。商业分析 。施普林格 。ISBN 9781461460800 。
Saxena ， R.＆Gupta ， R.（2020年） 。Analytics资产 。Smith P.和Cockburn T.（编辑）在第四次工业革命的全球商业领导力发展中 。IGI Global 。ISBN 9781799848615 。
Irizarry ， R.A.（2020年） 。学术界在数据科学教育中的作用 。哈佛数据科学评论 。DOI 10.1162 / 99608f92.dd363929 。


推荐阅读


上一篇：开淘宝店需要做哪些准备 淘宝网上开店前需要做哪些准备工作

下一篇：运维必看：日志标准化必须面对的 4 类问题