Column跨界專欄

• 

  撰文者:

  林耿呈(Aaron Lin)

  慧穩科技股份有限公司 總經理

  AIWin Technology Co., Ltd., General Manager

“兵馬未動，糧草先行”。在這快速變化的商業時代，許多商業模式沒幾年就被淘汰，多變的商業模式下，做任何事情與決策，都必須投下成本，成本與效益之間如何取得最佳利潤，將考驗著管理決策著的智慧。在這大數據的時代，數據將成為了新的石油，故目前有這麼一說，”商場對決，數據先行”，如何從數據中取得與分攜出高品質的有效資訊，並轉換為決策，將是每個企業所面臨到的挑戰。有了大量的數據後，如何用演算法協助我們理解數據，將會是一個百家爭鳴的戰場，在數理上，有統計與機器學習兩大學門，這其中個別的差異差在哪邊？如何運用？接下來的內容將會一一說明。

統計與機器學習的差別在於，所要表達的目的不同。但是人們在追求技術發展的過程中，統計與機器學習是期望用於預測與資料的解釋，發展至今，機器學習的理論來源來自於數學與統計，演算法基於優化理論、矩陣代數與微積分，所以統計是機器學習技術發展中的一個基礎，然而這樣的發展下，讓機器學習擁有了高強度的預測能力，更發展至今的深度學習，更有優於人類思考的能力，而統計主要的目的還是在於資料上的的解釋與理解因果關係，在預測方面就相較薄弱。談了這麼多的技術發展，運用於自身所需要如何挑選呢？首先需要了解自身的需求是什麼？希望有強度的預測能力？還是對於過去資料中的因果關係找出端倪?前者就使用機器學習，後者就使用統計。期望諸位，可以在自身的數據上，選出適合的方式，來好好運用數據。