大資料(big data)和機器學習(machine learning)的區別

圍繞著大資料和機器學習這兩個術語，以及它們如何改變你的業務，已經有了太多的故事和炒作。這些通常被描述為對所有那些給組織帶來問題的事情的最終解決方案。難怪這些是當今最常被談論的流行語，但人們幾乎不瞭解每個概念的細微差別。這兩個術語在新時代的技術中都非常流行，從社交網路到網上購物的一切都與大資料和機器學習直接相關。大資料與高效能運算有關，而機器學習是資料科學的一部分。讓我們分別來看這兩個問題。...

什麼是大資料(big data)？

大資料是一個術語，用於描述來自新資料來源的大量資料集，這些資料來源過於龐大和複雜，無法用傳統的資料處理技術處理。在某些技術情況下，大資料意味著從網際網路上挖掘或生成的PB級、非結構化資料塊。大資料是一個龐大而多樣的資訊體，有了合適的工具，大資料可能會非常有價值。“大資料”一詞最早出現在20世紀90年代末，第一篇學術論文發表於2003年，作者是弗朗西斯X。Diebolt—“巨集觀經濟因素測量和預測的大資料動態因素模型”——但主要歸功於JohnMashey，他是第一個使用“大資料”一詞的人。一些關鍵技術和有影響力的事件為大資料時代鋪平了道路。

什麼是機器學習(machine learning)？

如果說大資料描述了我們所掌握的大量資料和資訊，那麼機器學習描述了分析這些資料的方法。機器學習是人工智慧（AI）的一個子集，它利用統計技術賦予機器和計算機獨立學習的能力，而無需顯式程式設計。機器學習是指機器自主學習的能力。人類透過程式設計讓計算機學習而不必告訴他們該做什麼。機器透過觀察資料來學習。其思想是利用現有資料進行學習，然後根據透過學習發現的特徵，找到新資料的預測值。機器學習指的是基於概率和資料，自行學習以推斷結果的演算法。可以說，這是一個軟體應用程式學習提高其準確性以預測結果的過程。

大資料與機器學習的區別

術語

–大資料是一個術語，用於描述來自新資料來源的大量資料集，這些資料來源過於龐大和複雜，無法用傳統的資料處理技術處理。大資料指的是每天以極快的速度生成的資料，這些資料需要處理、儲存和分析，以備將來的洞察。

另一方面，機器學習是指機器在不進行顯式程式設計的情況下，從現有資料中自主學習的能力。

概念

–大資料是一個龐大而多樣的資訊體，有了正確的工具，大資料可能會非常有價值。大資料是指從各種來源收集的大量、多樣化的資料集，包括社交媒體、物聯網、感官裝置、雲端儲存、網站等。然後收集資料並分析隱藏的模式和其他有用的資訊。

機器學習被用來發現人類分析師看不到的模式，這些模式後來可以轉化為有價值的見解。

目的

–大資料涉及儲存、攝取和資料提取工具，如Hadoop。大資料的目的是透過識別隱藏的模式或從資料中提取資訊來分析大量資料，從而提供有助於做出更好決策、追求新的商業模式或獲得顯著競爭優勢的見解。

機器學習的目的是利用已有的資料進行學習，然後根據學習得到的特徵對新資料進行預測。

應用

–大資料在幾乎所有垂直行業都有大量戰略業務應用，包括醫療保健、零售、保險、運輸、電子商務和電信。大資料可用於實時最佳化流程和資產利用率，豐富客戶解決方案的質量，提供更好的見解，加速創新過程等。

機器學習的實際應用包括虛擬助手、智慧裝置、交通預測和天氣報告、影片監控、面部識別、惡意軟體過濾、計算機視覺等等。

大資料與機器學習：對比圖

總結 - 大資料時代(of big data) vs. 機器學習(machine learning)

簡而言之，大資料與高效能運算有關，而機器學習是資料科學的一部分。這個想法是獲得正確的資料，並使用計算機來識別人類以前看不到或找不到的模式。大資料是以新的、有效的方式儲存、操作和分析來自各種來源的資料的過程。如果說大資料描述了我們所掌握的大量資料和資訊，那麼機器學習描述了分析這些資料的方法。機器學習是機器或計算機從現有資料中學習，併在這些資料中找到人類無法找到的模式的能力。