人工智能、数据科学、机器学习都属于同一个领域。问题是在这种情况下，它们中的哪一个将起到正确的作用。多年来，我们看到了数据科学、人工智能和机器学习(ML)在各个领域的巨大应用。这些结果充分说明了它们的效率以及如何在未来几年更好地部署它们。人工智能是人类智能的翻版，通过深入理解数据、识别人类难以手动完成的模式和趋势，帮助做出更好的决策。人工智能的问题在于你需要大量数据才能理解这些数据。如果你没有大量数据需要处理，AI模型只会为少量数据提供结果。在这种情况下，预测或决策可能不太准确。简而言之，数据量越大，经过训练的模型就越能以更高的效率和准确性交付结果。但问题不在于数据的可用性，因为我们知道每天产生的数据量是巨大的。这里要关心的问题是，当部署训练好的模型来处理新数据时，应该怎么做？模型能否成功应用获得的知识来处理新的数据集？这就是机器学习发挥作用的地方。为什么机器学习优于人工智能？通过机器学习，机器可以从我们提供给它们的大量数据中学习。机器能够将其获得的知识应用到流入系统的新数据中。此外，ML的最佳特性之一是在欺诈检测领域。这对银行、保险公司、NBFC等金融服务行业来说是一件好事。我们看到能够处理几乎所有现实世界情况的计算机和机器的日子已经不远了。今天，谈论ML及其增强人类认知的潜力至关重要。人们往往会混淆数据科学、人工智能和机器学习。每个应用程序都有自己的应用程序，将一个应用程序部署到另一个应用程序不会有成果。技术专家Jordan回顾了过去AI相关项目是如何失败的，以及ML项目是如何通过增强人类认知而取得成功的。乔丹在哈佛数据科学评论中写道：“机器学习是一个算法领域，它结合了统计学、计算机科学和许多其他学科的思想来设计算法。”他坚持认为，没有比ML更好的处理大规模数据的方法。简而言之，当技术不局限于数据科学和人工智能时，通往成功的道路要容易得多。随着ML的日益突出，有一个很好的这些公司有机会通过发现大量数据中的模式达到更高的高度。[Responsibleeditor:ZhaoNingningTEL:(010)68476606]
