资料科学、资料探勘、机器学习、深度学习是甚麽碗糕?

初次接触AI时，常常会听到数据分析、资料科学、机器学习、深度学习，一堆专有名词，倒底是甚麽碗糕? 有何差别? 可以吞得下去吗? 会不会消化不良?

资料科学(Data Science)

前几天看到一篇文章『What Is Data Science, Really』，作者先撷取维基百科的部分定义如下：

Data science … incorporates skills from computer science, statistics, information science, mathematics, information visualization, data integration, graphic design, complex systems, communication and business.

简单翻译如下：
资料科学结合计算机、统计学、资讯科学、数学、资讯视觉化、数据整合、图形设计、复杂系统、通信和商业等技能。

看到这里就会觉得这是典型江湖术士的骗术，适合拿来骗钱，因此，作者试图找到一个精准且简短的定义如下:

the application of the scientific method in using the tools of data analysis。
翻译如下：
应用科学化的数据分析工具，从数据中挖掘出知识(knowledge)。
注：後半句是引用自维基百科。

图1. KDD (Knowledge Discovered from Data)

至於数据分析工具有哪些呢? 举凡描述统计量(平均数、变异数、关联系数....)、统计方法(回归、ANOVA、时间序列、...)等等都是可以挖掘数据特徵、侦测异常或不同类别的差异/关联，我们往往会透过统计图、地图(map)、多维度分析等图表工具来呈现及观察统计结果。

机器学习(Machine Learning) Vs. 资料探勘(Data Mining)

笔者出入门时，觉得机器学习与资料探勘根本就是双胞胎，书中介绍的演算法几乎相同，经过一番实战後，才略有心得。根据维基百科的说明，资料探勘(Data Mining)是机器学习(Machine Learning)的一环，利用各式演算法找出资料的隐藏结构(Pattern)，包括回归、分类、集群、异常检测(Outlier Detection)、关联...等类别的演算法。

机器学习则是更进一步，希望透过模型的训练，使电脑愈来愈聪明，虽与资料探勘所使用的演算法高度重叠，但有更崇高的理想，希望经由资料的累积与修正，使模型不断的精进，从而提高预测的准确率，让电脑具有人工智慧。它与传统程序开发方式不同：

1. 传统程序开发方式，是直接依据商业逻辑产生输出，而机器学习是先建模，再进行推测，模型会不断改良，具有自我学习的能力。
2. 机器学习不仅接收输入资料，资料科学家也需要蒐集训练资料，作为模型训练的养份。
   

深度学习

深度学习(Deep Learning)也是机器学习的分支，它是利用多层式结构(Multi-layers)解决问题，例如神经网路(Neural Network)、强化学习(Reinforcement Learning)，通常很难用数学导出公式建构模型，而是采用优化(Optimization)演算法，逐步逼近最佳解，最後找出一个接近完美的近似解。

图2. 神经网路

卷积神经网路为多层式结构，图片来源：Comprehensive Introduction to Neural Network Architecture

学习路径

国内一般教育机构会采四阶段学习课程，逐步探究人工智慧的奥秘：

1. 数据分析：学习程序语言(Python/R/Matlab)及资料科学基础套件(NumPy、Pandas、MatPlotLib)，熟悉数值分析、表格分析及统计绘图等技巧。
2. 机器学习：复习线性代数、微积分、初级统计、机率、线性规划等数学基础，并了解如何利用程序语言或NumPy等套件，解决数学问题，进而理解机器学习各类演算法及开发流程。
3. 深度学习：学习神经网路理论，并在影像、自然语言、语音方面的应用，另外也包括强化学习。
4. 专题应用：包括聊天机器人(ChatBot)、物件侦测、人脸辨识、自驾车、机器人(Robot)等相关专题的实作。
   
   图3. 人工智慧的学习路径

结语

以上是笔者几年K书的心得，不具学术的严谨性，只求看得懂，若有谬误，请大家不吝指正。

工商广告一下：
深度学习 -- 最佳入门迈向 AI 专题实战。