本鲁硕博主要做人工智能/机器学习, 一点浅见
机器学习 主体是机器, 主要方向是
机器如何可以学习 有哪些方法
类神经 模糊理论 灰色系统 基因算法 蚁群 贝氏网络
十年前的啦, 现在不知道, 脱节很久惹...
这个方法用在那个资料效果好不好, 如何让它变好
同一笔资料 换另一个方法呢?
或者数个方法串起来用?
同一个方法, 用在别种资料呢?
总之目标是在增进机器的学习能力,
速度更快、效果更好、对不同资料更泛用等
资料科学, 主体是资料, 主要方向是
资料如何分析?
统计? 资料探勘? 机器学习?
丢入某很夯很威的工具 (MATLAB 等) 用现成工具跑看看结果
调调看参数权重
根据已知 (或想像中) 的逻辑 调整参数 建模
由分析结果反推原因、建模
总之目标是放在对资料本身的理解
找到更多规则、挖出未知的关系、发展理论
ex 有某某情形的股票未来 6~12 个月表现会明显优于其它股票等
可以使用任何方法, 包含机器学习
资料量不大的话要用 excel 枢钮分析都可以...
大致来说就是,
机器学习偏重在工具的开发与改进,
资料科学则是着重在应用工具从资料中找出理论或应用价值
以台湾来说, 机器学习的职缺可能会比较少,
主要会是资料科学吧?
(指工作内容, 职缺名称就不知道了)
※ 引述《smallv (小小胜利者)》之铭言：
: 想请教版上大大
: 假设有了机器学习或者资料科学家工作经验一段时间
: 未来想跳槽的话 领域不同会差很多吗
: 像是...影像方面 语言方面 预测股票期货方面 球赛胜率 机器人辩论方面 等等
: 各自的差异就蛮大的
: 那这样跳槽会不会比较难 因为使用的算法可能会有小差异?
: 还是其实还好? 尤其短时间内台湾这类人才还是短缺 不太需要担心?
: 第二个问题 在台湾通常软件公司的机器学习或资料科学家
: 待遇大概是哪个范围 能有6万到12万吗?