Auteur: Building Blocks and Big Data Expo

Data Science, wat houdt het precies in?

Data science

Data science, machine learning en artificial intelligence zijn termen die je tegenwoordig vaak tegenkomt en vaak door elkaar worden gebruikt. Maar wat betekenen deze begrippen eigenlijk en wat is de relatie daartussen? Ook laten we zien hoe Domeinkennis, Computer Science en Wiskunde & Statistiek hier samen komen.

Data Science

Data Science, letterlijk ook wel data wetenschappen. Het is de wetenschap die zich bezig houdt om kennis en inzichten te vergaren op basis van gestructureerde en ongestructureerde data middels verschillende methoden, processen en systemen. Deze inzichten kunnen descriptief zijn (wat is er gebeurd), verklarend (waarom is dat gebeurd), voorspellend (wat gaat er gebeuren) of actie georiënteerd zijn (wat kan ik doen). Het inzichtelijk maken van data kan helpen bij het maken van beslissingen die waardevol zijn voor het bedrijf. Daarnaast kunnen deze inzichten ook nieuwe kansen creëren zoals bijvoorbeeld het optimaliseren van de customer journey.

Domeinkennis

Domein gaat om de kennis van het vakgebied of project waar je data science gaat toepassen. Wanneer je bijvoorbeeld gaat werken voor een reisorganisatie is het belangrijk om kennis te hebben van het domein toerisme en de dynamiek in deze markt en business goed begrijpt. Pas wanneer je de materie goed begrijpt wordt het waardevol om data science in te zetten om de processen en besluitvorming te optimaliseren.
Specialist; data translator, dit is degene die zowel kennis heeft van de business als van de statistiek en kan de koppeling maken om deze op waardevolle wijze aan elkaar te koppelen.

Computer science

Programmeren, het cleanen en prepareren van de ongestructureerde en gestructureerde data (data die klaar is om het model in te gaan) en het bouwen van een solide infrastructuur. Op het moment dat je weet welke data wel en niet het model in mag gaan kan je dit gaan automatiseren.
Specialist; data engineer, deze zorgt voor een goede infrastructuur om de modellen op te laten draaien.

Wiskunde & statistiek

Om waarde uit je data te halen heb je kennis nodig van statistiek en wiskunde. Op basis van statistische modellen kunnen verbanden worden gelegd in grote hoeveelheden data. Door het herkennen van verbanden en patronen in het verleden kunnen voorspellingen worden gedaan over de toekomst en kan op basis hiervan de besluitvorming worden geoptimaliseerd.
Specialist; data scientist, dit is degene die met zijn uitgebreide kennis van wiskunde en statistiek de voorspellende modellen maakt.


Voorspellende modellen

verdieping

Artificial Intelligence (AI)

In het Nederlands kunstmatige intelligentie genoemd. De reden dat het kunstmatige intelligentie heet is omdat deze wetenschap ingaat op het maken van autonome beslissingen op basis van een algoritme. De toepassing hiervan zijn eindeloos. Een bekende oudere toepassing van AI is het schaken tegen een computer, modernere voorbeelden zijn voice assistants en zelfrijdende auto’s.

Machine Learning (ML)

Machine Learning is een onderdeel van AI en gaat in op het herkennen van patronen in data. Op basis van deze patronen leert de computer en kan het algoritme zichzelf trainen. Hierdoor kan op een efficiëntere en deskundigere manier dan een persoon beslissingen worden genomen. De voordelen van een algoritme ten opzichte van een mens zijn dat deze grotere hoeveelheden informatie kan verwerken, patronen kan herkennen waar een mens niet toe in staat is en dit altijd objectief doet.

Deep Learning (DL)

Deep Learning is, deze wetenschap lijkt op de werking van het menselijk brein (ook complex). Het menselijk brein is een neuraal netwerk ( is een groep van verbonden neuronen) en kan van alles leren. Deep learning is kort gezegd de toepassing van (diepe) neurale netwerken die meer dan één verborgen laag bevatten. Onderzoek naar neurale netwerken maakte de term deep learning populair, omdat hiermee benadrukt kon worden dat de onderzoekers in staat waren om diepere neurale netwerken te trainen en de aandacht te vestigen op het theoretische belang van deze diepte. Bron: 3Bplus, Wat is deep learning: een introductie.
Bekende voorbeelden waar Deep Learing voor wordt gebruikt zijn; spraakherkenning en gezichtsherkenning.

 

Data Science

Reactie toevoegen