因為數據科學是個廣義的學科，所以這里將從任何業務里都可能會遇到的數據科學家類型開始，通過這個部分或許你能發現自己隱藏的數據科學家潛質：)正如任何科學學科一樣，數據科學家也可能向相關學科學習借鑒，盡管數據科學已經有自己的部分，尤其是自動處理超大規模非結構化數據的方式和算法，甚至不需要人為干涉，就可以做實時處理或者預測。

1. 數據科學家的各種類型

想要開始并且了解一些以前的觀點，不妨參考2014年發布的文章“ 9 types of data scientists”或者同年另一篇文章比較數據科學和“16 analytic disciplines”。更近一點的(2016八月) Ajit Jaokar 討論了Analytics data scientist(Type A)和Builder data scientist(Type B)的不同：

Type A Data Scientists在工作中遇到數據相關時可以寫出不錯的代碼，但是并不必須是專家，這類data scientist可能專業是實驗設計、預測、建模、統計推斷或者其他統計學研究的典型部分。但是一般而言，數據科學家的工作產出可不是學術統計學有時候建議的那樣“p-values and confidence intervals”(正如有時候傳統的藥物領域統計學家會用到那樣)。在Google，Type A Data Scientists通常指統計學家、定量分析師、決策支持技術分析師或者數據科學家，可能還有其他的一些。

Type B Data Scientists是building data的。B類和A類有些相同的統計學背景，但他們還是更好的coders，可能有專業的軟件工程的訓練。他們主要對在產品中使用數據感興趣，他們建立與用戶交互的模型，通常是提供推薦的(產品、可能認識的人、廣告電影、搜索結果之類)。

筆者之前還寫過 ABCD's of business processes optimization ，D代表data science，C 代表computer science，B代表business science，A代表analytics science。Data Science可能包括也可能不包括寫代碼或者數學實踐，具體可以參考low-level versus high-level data science。在創業公司里，數據科學家通常有幾個頭銜，比如數據挖掘師、數據工程師或者架構師、研究員、統計員、模型師(預測建模)或者開發者。

盡管data scientist通常被描述成精通R、Python、SQL、Hadoop和統計學的程序員，但這只是冰山一角，受一些培訓機構引導而來。但就像實驗技術員可以自稱物理學家一樣，真正的物理學家遠不止這樣，而且領域專業知識各種各樣：天文學、數學、物理學、核物理、力學、電學、信號處理(也是數據科學的一個子領域)等等。以此類比數據科學家，真正涉及到的領域可能多種多樣，生物信息學、信息技術、模擬和質量控制、金融工程、傳染病學、工業工程等。

筆者過去十年致力于主機間以及設備間的通信，建立系統來自動處理大規模數據集，以及執行一些自動交易：比如購買Internet流量或者自動化生成內容。這些都隱藏著非結構化數據算法的開發需求，這也是AI(artificial Intelligence)、IoT(Internet of thing)、和數據科學的交叉部分，被稱作深度數據科學( deep data science)。這部分相對而言不需要和數學打交道，敲代碼也不多(主要是一些API)，但是確實是數據集中的(包括構建數據系統)，而且基于專門為此設計的新的統計學方法。

在這之前，筆者主要做實時信用卡欺詐偵查，而職業生涯早期從事圖像遙感技術，即在衛星圖像的各種東西中識別出特定的模式(或者形狀、特點，比如識別出湖泊)來實現圖形分隔：那個時候研究被稱作計算統計學，與computer science做相同的事情的人，稱呼他們的研究為Artificial Intelligence。今天，同樣的研究可能被叫做數據科學或者人工智能了，子領域可能就是信號處理、計算機視覺或者是物聯網。

并且，數據科學家分布在整個data science projects生命周期的任何時刻，在數據收集階段或者數據探索階段，一直到統計建模和維系既存的系統。

2. 機器學習vs. 深度學習

在深度探討machine learning和data science的聯系之前，這里簡要地討論一下machine learning 和deep learning。machine learning是一套算法，來訓練數據集做預測或者采取行動以使得系統***化。舉例來說，supervised classification algorithms被用來根據歷史數據將想要貸款的客戶分成預期好的和預期差的(good or bad prospects)。對于給定的任務(比如監督聚類)，需要的技術多種多樣：naive Bayes、SVM、neural nets、ensembles、association rules、decision trees、logistic regression，或者是很多技術的組合。想要了解更詳細的算法， click here;了解機器學習的問題， click here。

所有這些都是數據科學的子集。當這些算法自動化后，比如無人駕駛飛機或者無人駕駛汽車，這就叫AI了，或者說的具體一點，deep learning。 Click here瀏覽另一篇比較機器學習和深度學習的文章。如果采集的數據來自傳感器并且通過互聯網傳播，那么這就是機器學習或數據科學或深度學習應用于物聯網了。

有些人對深度學習有不同的定義，他們認為深度學習是更深層次的神經網絡(一種機器學習的技術)。最近有人在Quora上問這個問題，下面是一些具體的解釋(來源是Quora)

AI(Artificial Intelligence)是創建于20世紀60年代的計算機科學的一個子領域，是關于解決那些對人類來講非常容易但是對計算機而言很難的任務。值得一提的是，所謂的strong AI可能可以做所有人類可以做的事情(可能除了純粹的物理問題)。這是相當廣泛的，包括各種各樣的事情，比如做計劃，在世界上到處溜達，識別物體和聲音，說話，翻譯，社交或者商業交易，還有創造性工作(比如寫詩畫畫)等等。

NLP(Natural language processing)只是AI要處理的語言部分，尤其是寫。

Machine learning是這樣的一種情況：給出一些可以被以離散形式描述的AI問題(比如從一系列動作中選出對的那個)，然后給定一堆外部世界的信息，在不需要程序員手動寫程序的情況下選出那個“正確的”行為。通常情況需要借助外界的一些過程來判斷這個動作對不對。在數學上，這就是函數：你給一些輸入，然后你想要他處理一下得到正確的輸出，所以整個問題就簡化為用一些自動的方式建立這種數學函數模型。和AI區分一下：如果我寫了一段特別機智的程序有著人類的行為，那這就可以是AI，但是除非它的參量都是自動從數據中學會的，否則就不是機器學習。

Deep learning是當下非常流行的機器學習的一種。它包含一種特殊的數學模型，可以想成是一種特定類型的簡單塊的組合(或者說是塊的功能的組合)，這些塊可以進行調整來更好的預測最終結果。

那么，機器學習和統計學的不同?這個文章嘗試回答這個問題。作者寫到，統計學是有著被預測量或者被評估量的置信區間的機器學習。我傾向于反對，因為我已經建立了不需要任何數學或者統計學知識的工程師友好型置信區間。

3. Data Science VS Machine Learning

機器學習和統計學都是數據科學的一部分。Learning這個詞在machine learning里意味著依賴于某些數據的算法，被用作一種訓練模式集來調整一些模型或者算法參數。這包含很多技術，比如回歸、樸素貝葉斯或者監督聚類。但不是所有的技術都適合這個分類。比如，非監督聚類——一種統計學和數據科學的方法——旨在不依靠任何先驗知識和訓練集監測聚類或聚類結構來幫助分類算法。需要有人來標注被發現的聚類。有些技術是混合的，比如半監督分類。有些模式偵查或者密度評估技術適合這個分類。

然而數據科學比機器學習范圍大得多。數據科學里“data”，可能是也可能不是來自機器或者機械過程的(調查結果可能是人工采集的，臨床試驗需要一種特殊類型的small data等)，而且可能和上面提到的”learning”一點關系也沒有。但是主要的不同還是因為數據科學實際上涵蓋了整個數據處理的范圍，而不只是算法或者統計學方面。

當然了，在很多組織里，數據科學家只是專注于這個處理過程的一部分。想要了解一下我對數據科學的原創貢獻。