Q:
Wat is het verschil tussen machine learning en datamining?
EEN:Datamining en machine learning zijn twee zeer verschillende termen - maar ze worden vaak allebei in dezelfde context gebruikt, wat het vermogen van partijen is om gegevens te verfijnen en te sorteren om met inzichten en conclusies te komen. De overeenkomsten en verschillen kunnen het praten over deze twee zeer verschillende processen verwarrend maken voor minder technisch onderlegde doelgroepen.
Datamining is het proces van het verzamelen van gegevens en vervolgens het extraheren van nuttige gegevens uit die grotere gegevensset. Het is een soort kennisontdekking die gaande is sinds we grote hoeveelheden gegevens hebben kunnen verzamelen. U kunt datamining doen met een redelijk primitief systeem: het programma wordt geprogrammeerd om te zoeken naar specifieke patronen en datatrends, en technische informatie wordt "gedolven" uit die onbewerkte massa gegevens in welke vorm dan ook.
Machine learning is iets nieuws en verfijnder. Machine learning maakt gebruik van datasets, maar in tegenstelling tot datamining gebruikt machine learning uitgebreide algoritmen en setups zoals neurale netwerken om de machine daadwerkelijk te laten leren van de invoergegevens. Als zodanig is machine learning behoorlijk wat dieper dan een data mining-operatie. In een neuraal netwerk werken kunstmatige neuronen bijvoorbeeld in lagen om invoergegevens op te nemen en uitvoergegevens vrij te geven met veel uitgebreide 'black box'-activiteiten daartussen (de term' black box 'is van toepassing op meer geavanceerde systemen wanneer mensen een moeite om te begrijpen hoe de neurale netwerken of algoritmen hun werk doen).
Datamining en machine learning verschillen ook behoorlijk in hun applicaties voor ondernemingen. Nogmaals, datamining kan doorgaan binnen elke ERP-toepassing en in veel verschillende processen.
Een machine learning-project vereist daarentegen aanzienlijke middelen. Projectmanagers moeten de training- en testgegevens verzamelen, zoeken naar problemen zoals overfitting, beslissen over functieselectie en functie-extractie, en nog veel meer. Machine learning kan complexe vormen van buy-in van verschillende belanghebbenden vereisen, terwijl dataminingactiviteiten meestal slechts een snelle afmelding vereisen.
Ondanks deze verschillen zijn zowel data mining als machine learning van toepassing op het domein van data science. Meer informatie over data science helpt stakeholders meer te leren over hoe deze processen werken en hoe ze kunnen worden toegepast in een bepaalde branche.
