Q:
Apakah perbezaan antara pembelajaran mesin dan perlombongan data?
A:Pertambangan data dan pembelajaran mesin adalah dua istilah yang sangat berbeza - tetapi mereka sering digunakan dalam konteks yang sama, iaitu keupayaan pihak untuk menyempurnakan dan menyusun data untuk menghasilkan gambaran dan kesimpulan. Persamaan dan perbezaan yang digabungkan boleh membuat perbincangan mengenai kedua-dua proses yang sangat berbeza ini mengelirukan penonton yang kurang berteknologi.
Perlombongan data adalah proses pengagregatan data dan kemudian mengekstrak data berguna dari set data yang lebih besar. Ia adalah jenis penemuan pengetahuan yang telah berlaku sejak kita dapat mengagregat jumlah data yang banyak. Anda boleh melakukan perlombongan data dengan sistem yang agak primitif: Program ini akan diprogramkan untuk mencari corak dan trend data tertentu, dan maklumat teknikal akan "ditambang" dari jisim data mentah dalam bentuk apa pun yang mungkin.
Pembelajaran mesin adalah sesuatu yang baru dan lebih canggih. Pembelajaran mesin menggunakan set data, tetapi tidak seperti perlombongan data, pembelajaran mesin menggunakan algoritma dan setup yang rumit seperti rangkaian saraf untuk benar-benar membenarkan mesin untuk belajar dari data input. Oleh itu, pembelajaran mesin agak lebih mendalam daripada operasi perlombongan data. Sebagai contoh, dalam rangkaian saraf, neuron tiruan berfungsi dalam lapisan untuk mengambil data input dan melepaskan data output dengan banyak "kotak hitam" yang rumit di antara (istilah "kotak hitam" digunakan untuk sistem yang lebih canggih apabila manusia mempunyai masa yang sukar difahami bagaimana rangkaian saraf atau algoritma sebenarnya melakukan pekerjaan mereka).
Pertambangan data dan pembelajaran mesin juga agak berbeza dalam aplikasi mereka untuk perusahaan. Sekali lagi, perlombongan data boleh berjalan dalam mana-mana aplikasi ERP yang diberikan, dan dalam banyak proses yang pelbagai.
Sebaliknya, satu projek pembelajaran mesin memerlukan sumber yang banyak. Pengurus projek perlu memasang data latihan dan ujian, mencari masalah seperti overfitting, memutuskan pemilihan ciri dan pengekstrakan ciri, dan banyak lagi. Pembelajaran mesin boleh memerlukan bentuk pembelian yang kompleks dari pelbagai pihak berkepentingan, sedangkan aktiviti perlombongan data biasanya hanya memerlukan tanda cepat.
Walaupun perbezaan ini, kedua-dua perlombongan data dan pembelajaran mesin berlaku untuk bidang sains data. Belajar lebih lanjut mengenai sains data membantu pihak berkepentingan untuk mengetahui lebih lanjut mengenai bagaimana proses-proses ini berfungsi dan bagaimana ia boleh digunakan dalam mana-mana industri tertentu.
