推 lunashining: 相反吧CV相關都會用到ML去做Object detection 06/24 19:03
"用" ML, 這裡的 ML 應該是工具沒錯 @@
像用 NN 做地形判斷 (一張圖, 判斷哪裡是湖哪裡是陸等)
有個正確答案針對方法去 tune 的這種,
我覺得主要是在做工具
工具做好後, 就可以被拿來實際應用,
應用的那部份就是你說的了
這張 Data Science 跟更多東西包在一起了 XDD
實際上很可能不需要就是 依需求可能其中一兩樣就夠用了
(想成圈在一起是表示 "可能相關" 就還算可以理解)
推 ice80712: 台灣大部分待遇好的都是硬體 邊緣運算 06/24 20:46
純軟QQ
這張完全是鬼扯
灰色系統、類神經、GA、模糊理論 都沒怎麼用到統計,
可以跟統計一起用, 但它們本身是獨立的方法論
把 Machine Learning 改成 Data Mining 的話還有一點道理
推 j32509: 請問原po 所以ML和DM之間的差別 是在於ML偏工程 DM偏向用d 06/24 23:41
→ j32509: omain knowledge對數據解讀嗎 謝謝 06/24 23:41
ML 跟 DM? 這篇說的是 ML 跟 DS @@
ML 跟 DM 的話, DM 是 分析資料的 "方法",
ML 可以使用 DM 的方法來實現, 也可以完全不用 DM 的方法
舉個例,
DM 可以說, apriori 是為了找關聯法則, k means 做分群,
C4.5 做分類
它的方法本身, 就有一個特定的目的在
但是
ML 類神經就是類神經, 沒有一定要幹麻, 反正它就是一個方法,
你可以用類神經去試著做任何你想做的應用
你也可以類神經搭配 k means, 也可以類神經搭模糊理論再加個基因演算法 等等
而 DS 則是使用任何方法 (包含 ML DM) 達到 利用數據學習知識 這個目的
大概是這樣
推 gbd37: 推原po 用經驗來說服 講得很好 06/26 13:55
→ gbd37: 但現在業界才被一些似懂非懂的人用「大數據分析」與AI來概 06/26 13:56
→ gbd37: 論之 相當可笑 06/26 13:56
推 gbd37: 大數據像個救生圈 誰都想來拉一把 搞得現在hen亂 聽到不少 06/26 13:59
→ gbd37: 人自稱為大數據工程師 嗯…顆顆 06/26 13:59
哈 我這兩天也在想這種情形,
現在基礎薄弱一知半解就上工然後到了資深還是一片混亂好像是常態,
蠻囧der...
※ 編輯: lovdkkkk (36.226.166.63), 06/26/2018 14:47:10
推 j32509: 啊 這問題困擾我好久了 謝謝l大解答~ 06/26 20:05
推 gbd37: 因為這種title很好拿到啊!各種「大數據分析課程時數:xx小 06/27 08:19
→ gbd37: 時」,然後這些課程套招上線性回歸、羅吉斯、決策樹。上完 06/27 08:19
→ gbd37: 就是大數據分析師囉~ 06/27 08:19