深度學(xué)習(xí)（Deep Learning）
盡管在早期的在線搜索急劇爆發(fā)之前它已經(jīng)存在，‘深度學(xué)習(xí)’仍是一個相對較新的術(shù)語。由于學(xué)術(shù)研究和工業(yè)的蓬勃發(fā)展，其在不同領(lǐng)域取得了巨大成就，深度學(xué)習(xí)是應(yīng)用深層神經(jīng)網(wǎng)絡(luò)技術(shù)（即具有多個隱藏層的神經(jīng)網(wǎng)絡(luò)架構(gòu)）來解決問題。深度學(xué)習(xí)是一個類似數(shù)據(jù)挖掘的過程，它采用深層神經(jīng)網(wǎng)絡(luò)架構(gòu)，這是特定類型的機(jī)器學(xué)習(xí)算法。
深度學(xué)習(xí)已經(jīng)取得了令人印象深刻的成就。有鑒于此，至少在我看來，務(wù)必要注意幾點(diǎn)：
深度學(xué)習(xí)不是靈丹妙藥 – 對于每個問題來說，并不是一個簡單一刀切的解決方案。
這不是傳說中的萬能算法 – 深度學(xué)習(xí)不會取代所有其他機(jī)器學(xué)習(xí)算法和數(shù)據(jù)科學(xué)技術(shù)，至少還沒有被證明是這樣。
適度的期望是必要的 – 盡管最近在各種類型的分類問題上，特別是計算機(jī)視覺和自然語言處理以及強(qiáng)化學(xué)習(xí)等領(lǐng)域已經(jīng)取得了巨大的進(jìn)步，但當(dāng)代深度學(xué)習(xí)并沒有擴(kuò)大到非常復(fù)雜的問題，例如“解決世界和平”。
深度學(xué)習(xí)和人工智能不是同義詞。
深度學(xué)習(xí)可以幫助數(shù)據(jù)科學(xué)以附加過程和工具的形式解決問題，而在這種觀察中，深入學(xué)習(xí)是數(shù)據(jù)科學(xué)領(lǐng)域的一個非常有價值的補(bǔ)充。
人工智能
大多數(shù)人發(fā)現(xiàn)人工智能很難用一個精確的，甚至是廣泛的定義講出來。我不是一個人工智能研究者，所以我的答案可能與其他領(lǐng)域的人差別很大。多年來通過對AI的思想哲學(xué)研究，我得出的結(jié)論是，人工智能，至少我們通常認(rèn)為的想法的概念，實(shí)際上并不存在。
在我看來，AI是一個標(biāo)尺，一個移動目標(biāo)，一個渴望而不可及的目標(biāo)。每當(dāng)我們邁向AI成就之路，不知何故，這些成就似乎又變成了被稱為其他的東西。
我曾經(jīng)讀過如下內(nèi)容：如果你在上世紀(jì)60年代問AI的研究人員，他們對AI的想法是什么，他們可能會一致認(rèn)為，可以幫助我們預(yù)測下一步行動和欲望，所有人類知識可以隨時獲取，一個適合我們口袋的小型設(shè)備就是真實(shí)的AI。但是今天我們都攜帶智能手機(jī)，很少有人會把它們稱為人工智能。
AI適合數(shù)據(jù)科學(xué)？嗯，正如我所說，我不認(rèn)為AI真的是有形的，我想很難說它適合任何地方。但，一些數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)相關(guān)領(lǐng)域，人工智能可以提供助力，有時與實(shí)體一樣有價值;計算機(jī)視覺肯定會引起注意，現(xiàn)代深度學(xué)習(xí)研究也是如此，得益于人工智能的精神氣質(zhì)，若不是無限期的話。
AI可能是研究和開發(fā)設(shè)備，從來沒有在同名行業(yè)中產(chǎn)生任何東西。我想說，從AI到數(shù)據(jù)科學(xué)的這條路徑可能不是查看兩者之間的關(guān)系的最佳方式，但是兩個實(shí)體之間的許多中間步驟已經(jīng)被AI以某種形式開發(fā)和完善了。
數(shù)據(jù)科學(xué)（Data Science）
那么，在討論這些相關(guān)概念和數(shù)據(jù)科學(xué)的地位之后，數(shù)據(jù)科學(xué)究竟是什么呢？對我來說，這是試圖精確定義的一個最難的概念。數(shù)據(jù)科學(xué)是一個多方面的學(xué)科，包括機(jī)器學(xué)習(xí)和其他分析過程，統(tǒng)計學(xué)和相關(guān)的數(shù)學(xué)分支，越來越多地從高性能科學(xué)計算中借鑒，以便最終從數(shù)據(jù)中發(fā)現(xiàn)洞察，并使用這些新發(fā)現(xiàn)的信息來講述故事。這些故事通常伴隨著圖片（我們稱之為可視化），并針對行業(yè)，研究甚至是我們自己，目的是從數(shù)據(jù)中獲取一些新的想法。
數(shù)據(jù)科學(xué)采用相關(guān)領(lǐng)域的各種不同工具（請參閱上面所有內(nèi)容）。數(shù)據(jù)科學(xué)既是數(shù)據(jù)挖掘的同義詞，也是數(shù)據(jù)挖掘概念的超集。
數(shù)據(jù)科學(xué)產(chǎn)生各種不同的結(jié)果，但它們都具有共同的洞察力。數(shù)據(jù)科學(xué)是這一切，而且對你而言，它可能還有別的東西，而且甚至還沒有涵蓋獲取，清理，判別和預(yù)處理數(shù)據(jù)！順便說一下，什么是數(shù)據(jù)呢？它總是大嗎？
我認(rèn)為我的關(guān)于數(shù)據(jù)科學(xué)困惑的觀點(diǎn)，至少可以通過上圖的版本來代表它，以及這篇文章的頂部的Piatetsky-Shapiro的維恩圖。我也建議大多數(shù)與Drew Conway的數(shù)據(jù)科學(xué)維恩圖一致，盡管我會補(bǔ)充一點(diǎn)：我認(rèn)為他非常合理且實(shí)用的圖像實(shí)際上是指數(shù)據(jù)科學(xué)家，而不是數(shù)據(jù)科學(xué)。這可能是吹毛求疵，但我不認(rèn)為數(shù)據(jù)科學(xué)本身包含黑技能;我相信這是科學(xué)家擁有的技能，以便能夠進(jìn)行數(shù)據(jù)科學(xué)。誠然，這可能是對語義的嘲弄，但在我心中是有道理的。
當(dāng)然，這不是一個宏圖的全景，它在不斷地演變。例如，我記得不久以前的一次閱讀，數(shù)據(jù)挖掘是商業(yè)智能的一個子領(lǐng)域。即使有不同的意見，我真的不能想象今天這是一個有效的想法（坦率地說，幾年前很難接受）。