數(shù)據(jù)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在工作中遇到數(shù)據(jù)相關(guān)時可以寫出不錯的代碼，但是并不必須是專家，這類data scientist可能專業(yè)是實驗設(shè)計、預測、建模、統(tǒng)計推斷或者其他統(tǒng)計學研究的典型部分。但是一般而言，數(shù)據(jù)科學家的工作產(chǎn)出可不是學術(shù)統(tǒng)計學有時候建議的那樣“p－values and confidence intervals”（正如有時候傳統(tǒng)的藥物領(lǐng)域統(tǒng)計學家會用到那樣）。在Google，Type A Data Scientists通常指統(tǒng)計學家、定量分析師、決策支持技術(shù)分析師或者數(shù)據(jù)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(tǒng)計學背景，但他們還是更好的coders，可能有專業(yè)的軟件工程的訓練。他們主要對在產(chǎn)品中使用數(shù)據(jù)感興趣，他們建立與用戶交互的模型，通常是提供推薦的（產(chǎn)品、可能認識的人、廣告電影、搜索結(jié)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(lián)系之前，這里簡要地討論一下machine learning 和deep learning。machine learning是一套算法，來訓練數(shù)據(jù)集做預測或者采取行動以使得系統(tǒng)最優(yōu)化。舉例來說，supervised classification algorithms被用來根據(jù)歷史數(shù)據(jù)將想要貸款的客戶分成預期好的和預期差的（good or bad prospects）。對于給定的任務（比如監(jiān)督聚類），需要的技術(shù)多種多樣：naive Bayes、SVM、neural nets、ensembles、association rules、decision trees、logistic regression，或者是很多技術(shù)的組合。所有這些都是數(shù)據(jù)科學的子集。當這些算法自動化后，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。如果采集的數(shù)據(jù)來自傳感器并且通過互聯(lián)網(wǎng)傳播，那么這就是機器學習或數(shù)據(jù)科學或深度學習應用于物聯(lián)網(wǎng)了。

有些人對深度學習有不同的定義，他們認為深度學習是更深層次的神經(jīng)網(wǎng)絡(luò)（一種機器學習的技術(shù)）。AI（Artificial Intelligence）是創(chuàng)建于20世紀60年代的計算機科學的一個子領(lǐng)域，是關(guān)于解決那些對人類來講非常容易但是對計算機而言很難的任務。值得一提的是，所謂的strong AI可能可以做所有人類可以做的事情（可能除了純粹的物理問題）。這是相當廣泛的，包括各種各樣的事情，比如做計劃，在世界上到處溜達，識別物體和聲音，說話，翻譯，社交或者商業(yè)交易，還有創(chuàng)造性工作（比如寫詩畫畫）等等。

NLP（Natural language processing）只是AI要處理的語言部分，尤其是寫。

Machine learning是這樣的一種情況：給出一些可以被以離散形式描述的AI問題（比如從一系列動作中選出對的那個），然后給定一堆外部世界的信息，在不需要程序員手動寫程序的情況下選出那個“正確的”行為。通常情況需要借助外界的一些過程來判斷這個動作對不對。在數(shù)學上，這就是函數(shù)：你給一些輸入，然后你想要他處理一下得到正確的輸出，所以整個問題就簡化為用一些自動的方式建立這種數(shù)學函數(shù)模型。和AI區(qū)分一下：如果我寫了一段特別機智的程序有著人類的行為，那這就可以是AI，但是除非它的參量都是自動從數(shù)據(jù)中學會的，否則就不是機器學習。

Deep learning是當下非常流行的機器學習的一種。它包含一種特殊的數(shù)學模型，可以想成是一種特定類型的簡單塊的組合（或者說是塊的功能的組合），這些塊可以進行調(diào)整來更好的預測最終結(jié)果。

2． Data Science VS Machine Learning

機器學習和統(tǒng)計學都是數(shù)據(jù)科學的一部分。Learning這個詞在machine learning里意味著依賴于某些數(shù)據(jù)的算法，被用作一種訓練模式集來調(diào)整一些模型或者算法參數(shù)。這包含很多技術(shù)，比如回歸、樸素貝葉斯或者監(jiān)督聚類。但不是所有的技術(shù)都適合這個分類。比如，非監(jiān)督聚類——一種統(tǒng)計學和數(shù)據(jù)科學的方法——旨在不依靠任何先驗知識和訓練集監(jiān)測聚類或聚類結(jié)構(gòu)來幫助分類算法。需要有人來標注被發(fā)現(xiàn)的聚類。有些技術(shù)是混合的，比如半監(jiān)督分類。有些模式偵查或者密度評估技術(shù)適合這個分類。

然而數(shù)據(jù)科學比機器學習范圍大得多。數(shù)據(jù)科學里“data”，可能是也可能不是來自機器或者機械過程的（調(diào)查結(jié)果可能是人工采集的，臨床試驗需要一種特殊類型的small data等），而且可能和上面提到的”learning”一點關(guān)系也沒有。但是主要的不同還是因為數(shù)據(jù)科學實際上涵蓋了整個數(shù)據(jù)處理的范圍，而不只是算法或者統(tǒng)計學方面。