知道谁是谁，什么是什么
为了定义数据科学与机器学习与大数据之间的情况，让我们分别概述每种技术。数据科学
这是分析数据并从中提取有价值的信息和知识的方法。它与机器学习领域密切相关，当然，也与处理海量数据的技术密切相关。机器学习
机器学习是使用算法来深入探索数据资产，尽可能提取最有用的信息。通过机器学习技术，人们还可以使用给定的数据集来预测未来趋势。此类软件采用预测和统计分析方法来识别模式并发现隐藏但有意义的知识。在现实生活中实施机器学习的一个很好的例子是研究你在网络上的行为然后提供建议的算法。
大数据
大数据的定义通常很简单——它是存储在某种数字媒体上的大量信息，通常是不系统的。然而，被称为“大”的数据是如此庞大，以至于不可能用通常的结构化和分析方法来有效地处理它。因此，“大数据”一词也被理解为用于搜索、处理和使用大量结构不良信息的技术。数据科学 vs 数据分析 vs 机器学习
数据科学是一个广泛的概念，包括许多学科。机器学习属于数据科学，因为它采用了该领域常用的几种技术。另一方面，数据科学包含许多学科，而机器学习则专注于一个学科。在数据分析方面，重点是原始数据或主要来源。然而，分析的目标是使用数据识别算法和因果链，例如用户行为或市场趋势。
机器学习的终极好处
让我们进一步了解机器学习的优势。无缝地查明共同的趋势和模式。ML 可以处理大量数据并检测人类不明显的某些趋势和模式。例如，电子商务网站旨在阐明用户在浏览过程中的行为方式以及有哪些个人购买历史细节，以便可以实施更多相关系统来查找与特定愿望和愿望相关的相关产品、优惠和提醒。此类分析的结果用于提出最个性化的相关广告。
无需人工干预。使用 ML，您不必全程监督项目的每一步。由于这意味着赋予机器学习能力，它允许它们自己做出预测并改进算法。杀毒软件就是一个典型的例子。防病毒软件会在识别出新威胁时学会过滤它们。ML 也擅长检测垃圾邮件。
连续的提高。随着您获得经验，机器学习算法会不断改进。这使他们能够做出更明智的决定。
处理多维多样的信息。ML 算法对于处理多维和多变的数据是真正有效的，并且它们可以在不确定和高度动态的环境中这样做。
应用领域广泛。您可以成为在线卖家或医疗保健提供者，让 ML 为您服务。在适用的情况下，它可以帮助为客户提供更加个性化的体验，同时还可以针对正确的客户。
