대답 1:

나는 여기에 대답 할 위험이있다. 광범위한 주제를 정의하고 비교할 때 항상 부정확하거나 너무 정확한 것에 대한 논증을 얻을 수 있기 때문에 위험이 있습니다. 면책 조항으로 나는 말할 것입니다 :

데이터 과학과 운영 연구의 차이점 :

Operations Research에서 데이터를 통해 배우거나 얻지 못할 수 있지만 실제로는 데이터가 없어도 문제를 모델링하고 최적화 할 수 있습니다. Linear and Integer 프로그래밍은 Operations Research에서 가장 많이 사용되는 도구 중 하나이며 해결하려는 문제를 정확하게 모델링하는 기능을 수행하기 위해 데이터가 필요하지 않습니다.

여행 판매원 문제 (TSP)는 좋은 예입니다. 정수 프로그래밍 문제로 모델링 할 수 있습니다 .LK와 같은 휴리스틱을 사용할 수 있습니다. 시뮬레이션 어닐링, 다양한 도구를 사용할 수 있지만 단일 인스턴스없이 답변을 얻을 수 있습니다 데이터

데이터 과학을 아는 것이 기계 학습을 아는 것과 동등합니까?

확실히 상호 학습이 아니라면 머신 러닝 전문가가되어 데이터 과학자가하는 일의 작은 부분 만 긁을 수 있습니다.

데이터 과학을 아는 것은 데이터를 통해 학습자를 구축하는 방법이므로 ML에 대한 자동 이해를 의미합니다. 그러나 이것이 데이터 과학자가 ML 전문가라는 의미는 아니며, 데이터 과학에는 많은 측면이 있으며 ML은 그 중 하나이므로 항상 전문화의 여지가 있습니다.


대답 2:

A2A

"데이터 중심 과학으로도 알려진 데이터 과학은 구조화되거나 구조화되지 않은 다양한 형태의 데이터에서 지식이나 통찰력을 추출하는 과학적 방법, 프로세스 및 시스템에 대한 학제 간 분야입니다."데이터 과학-Wikipedia.

또 다른 정의는 다음과 같습니다. "사회 과학 및 통계, 정보 및 컴퓨터 과학, 디자인 분야의 교차점에서 데이터 과학 분야가 부상하고 있습니다."데이터 과학이란 무엇입니까?

또는 다른 정의 : "데이터 과학을 고려하는 한 가지 방법은 컴퓨터 과학, 모델링, 통계, 분석 및 수학을 통합하는 비즈니스 분석과 같은 학제 간 분야에서 진화하는 단계입니다."데이터 과학이란-NYU의 데이터 과학

여기서 핵심 사항은 다음과 같습니다.

  1. 데이터 과학은 다양한 과학 분야의 사고와 기술을 적용하여 복잡한 데이터에서 무언가를 배우는 연구 분야이며, 새로운 연구 분야입니다.

대조적으로, Operations Research는 대규모 물리적 시스템의 수학적 컴퓨터 모델링을 포함하여 시스템이 어떻게 작동하는지 확인하거나 일부 세트를 찾기 위해 조작 할 수있는 정확한 모델을 생성하는 잘 정의 된 연구 분야입니다. 시스템이 최적의 방식으로 동작하는 상황.

강 코스를 따라 댐이있는 대강 시스템의 수학적 및 컴퓨터 모델링이 그 예입니다. 이 시스템에는 경쟁 요구와 용도가 있습니다.

  1. 홍수 통제는 댐 뒤에있는 호수가 도착할 때 초과 홍수 물을 유지하기 위해 낮을 것을 요구합니다. 레크리에이션 사용자는 수위가 높기를 원합니다. 댐에있는 수력 발전소는 꾸준한 물 공급을 위해 하류 농업 사용자는 농작물을 관개하기 위해 계절에 따라 다른 양의 물을 원합니다.

문제는 모든 경쟁 요구를 가장 잘 충족시키기 위해 시스템을 운영하는 방법입니다. Operations Research는 수학 및 컴퓨터 모델링을 사용하여이 문제를 해결하려는 연구 분야입니다.

운영 연구는 데이터 과학이라는 새로운 학제 간 연구 분야에서 사용되는 다양한 분야 중 하나입니다.

큐:

데이터 과학과 운영 연구의 차이점은 무엇입니까? 그리고 데이터 과학을 아는 것이 기계 학습을 아는 것과 동등합니까?

대답 3:

데이터 과학에는 기계 학습 알고리즘이 도구 (시각화 및 통계 테스트 / 모델링)로 포함됩니다. 운영 연구에는 데이터 과학 또는보다 전통적인 방법이 포함될 수 있습니다. 따라서 이러한 범주의 작업 세트에는 겹침과 포함이 있지만 자체적으로 존재할 수도 있습니다.