演講者：Jeffrey D. Ullman-學者概況-學術(shù)范 (xueshufan.com)

作者：Jeffrey David Ullman（1942年11月22日-），美國計算機科學家，斯坦福大學名譽教授。他關(guān)于編譯器（各種版本被稱為綠龍書）、計算理論（也被稱為灰姑娘書）、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)庫的教科書被認為是各自領(lǐng)域的標準。他和他的長期合作者Alfred Aho是2020年圖靈獎的獲得者，一般被認為是計算機科學的最高榮譽。（摘自維基百科）

本演講為KDD2021 Keynotes Talk的最后一場演講。

演講內(nèi)容摘錄

演講聚焦于數(shù)據(jù)科學分別于機器學習和統(tǒng)計學之間的關(guān)系，以使聽眾更了解數(shù)據(jù)科學的本質(zhì)。

從本世紀第一個十年的數(shù)據(jù)挖掘或知識發(fā)現(xiàn)，到第二個十年的大數(shù)據(jù)，再到如今的數(shù)據(jù)科學，該領(lǐng)域的宗旨未曾改變，即：將速度最快、規(guī)模最大的硬件設(shè)備和速度最快的算法以及最高效的程序結(jié)合起來解決商業(yè)和科學領(lǐng)域的問題。

演講者認為數(shù)據(jù)科學是數(shù)據(jù)庫系統(tǒng)研究自然進化的產(chǎn)物。

同時，演講者指出，想要在數(shù)據(jù)科學領(lǐng)域有所作為需要掌握計算機科學的核心并在處理大量數(shù)據(jù)上有所專長。

演講者通過駁斥Drew Conway的韋恩圖、并給出自己的韋恩圖來表示數(shù)據(jù)科學與其他領(lǐng)域的關(guān)系。數(shù)據(jù)科學是計算機科學和其他專業(yè)領(lǐng)域結(jié)合部，其中涉及到了機器學習，但不限于機器學習。此外，在數(shù)據(jù)科學角度，數(shù)學和統(tǒng)計學并不直接影響專業(yè)領(lǐng)域，而是通過計算機領(lǐng)域的算法等對其產(chǎn)生間接影響。

與統(tǒng)計學相比，數(shù)據(jù)科學總體上是一門實驗性學科。在數(shù)據(jù)科學家往往通過實現(xiàn)、運行某一算法或模型來驗證某一方法的正確性，而不是通過分析推導避免模型出錯。因此，對于數(shù)據(jù)科學來說，判斷錯誤的標準和改進方法比理論上的分析更重要。

與機器學習相比，并不是所有的數(shù)據(jù)科學問題是通過建立模型解決的，比如Locality-Sensitive Hashing和Approximate Counting等（演講者這里推薦了一本名為“Mining of Massive Dataset”的書）。同時，方法的可解釋性在某些領(lǐng)域非常重要比如保險公司估計保費。

何時使用機器學習：

1.問題需要通過建模解決

2.不需要對結(jié)果進行解釋

3.缺少對問題相關(guān)領(lǐng)域的認識

結(jié)論

1.數(shù)據(jù)科學是計算機科學許多分支自然演化的結(jié)果，尤其是其中通過處理大型數(shù)據(jù)集幫助科學或產(chǎn)業(yè)發(fā)展的方面。

2.統(tǒng)計學者尤其獨到之處，但過于關(guān)注分析數(shù)據(jù)，對于解決實際問題不夠關(guān)注。

3.機器學習是數(shù)據(jù)科學的重要部分，但遠不是數(shù)據(jù)科學的全部。

注：本文為演講摘錄，所有內(nèi)容和圖片均選自演講內(nèi)容，歡迎各位討論~