機器學習、資料科學、人工智慧、深度學習和統計學之間的區別
機器學習、資料科學、人工智慧、深度學習和統計學之間的區別是什麼？
資料科學是個廣義的學科, Analytics data scientist(Type A)和Builder data scientist(Type B)有所不同，Type A Data Scientists在工作中遇到資料相關時可以寫出不錯的程式碼，但是並不必須是專家，這類data scientist可能專業是實驗設計、預測、建模、統計推斷或者其他統計學研究的典型部分。但是一般而言，資料科學家的工作產出可不是學術統計學有時候建議的那樣“p-values and confidence intervals”(正如有時候傳統的藥物領域統計學家會用到那樣)。在Google，Type A Data Scientists通常指統計學家、定量分析師、決策支援技術分析師或者資料科學家，可能還有其他的一些。
Type B Data Scientists是building data的。B類和A類有些相同的統計學背景，但他們還是更好的coders，可能有專業的軟體工程的訓練。他們主要對在產品中使用資料感興趣，他們建立與使用者互動的模型，通常是提供推薦的(產品、可能認識的人、廣告電影、搜尋結果之類)。
1.機器學習 vs 深度學習
在深度探討machine learning和data science的聯絡之前，這裡簡要地討論一下machine learning 和deep learning。machine learning是一套演算法，來訓練資料集做預測或者採取行動以使得系統最優化。舉例來說，supervised classification algorithms被用來根據歷史資料將想要貸款的客戶分成預期好的和預期差的(good or bad prospects)。對於給定的任務(比如監督聚類)，需要的技術多種多樣：naive Bayes、SVM、neural nets、ensembles、association rules、decision trees、logistic regression，或者是很多技術的組合。所有這些都是資料科學的子集。當這些演算法自動化後，比如無人駕駛飛機或者無人駕駛汽車，這就叫AI了，或者說的具體一點，deep learning。如果採集的資料來自感測器並且通過網際網路傳播，那麼這就是機器學習或資料科學或深度學習應用於