Wat is het verschil tussen data science, machine learning en AI?

De verschillende theorieën en methoden om data te analyseren

Organisaties zijn zich steeds meer bewust van het belang van data. Big data en AI zijn de buzz words. Dat is goed te begrijpen. Organisaties verzamelen steeds meer data en willen datagedreven werken. In het begin gebeurt dat vaak een beetje ‘houtje-touwtje’ door in excel of een database te analyseren. Op een zeker moment wordt je hoeveelheid data echter te groot, minder gestructureerd of te bewerkelijk. Dan kom je op het punt dat je als organisatie een beroep moet doen op data science.  

Er is nogal wat verwarring in de wereld van Big Data en AI. Wat is de samenhang tussen bijvoorbeeld data science, machine learning en Kunstmatige intelligentie (AI) en wat betekenen de termen? Een korte uitleg om de verschillende begrippen uit elkaar te halen en wat je ermee kunt. 

Wat is Data Science?

Door gebruik te maken van statistiek, wetenschappelijke methoden en data analyse kun je uit data waarde creëren voor je organisatie. Daarbij doorloop je verschillende stappen;  

  • Stel je onderzoeksvraag: ‘wat wil ik weten’  
  • Verzamel en bewerk je data
  • Modelleer je data: hier komt machine learning om de hoek kijken 
  • Optimaliseer je model
  • Visualiseer de uitkomsten

Wat is Machine Learning?

Machine Learning (ML) gaat over het creëren van algoritmen die kunnen “leren” van data. Vaak zeggen mensen dat een computer alleen simpele commandos rechtstreeks uitvoert. Dat is niet altijd meer het geval. Bij ML probeert men namelijk de computer naast door mensen geprogrammeerde regels (als dit, dan dat), zelf regels te laten afleiden uit data. Een machine learning-algoritme is daardoor in staat om onverwachte patronen in de data te gebruiken om zeer geavanceerde modellen te maken, en voorspellingen te geven over uiteenlopende zaken zonder alleen gebruik te maken van expliciet door mensen voorgeprogrammeerde regels.

Wat is Artificial Intelligence (AI)?

Het overkoepelende karakter van AI maakt dat het begrip zich niet eenvoudig laat definiëren. Dit blijkt ook uit het advies van het Europees Economisch en Sociaal Comité (EESC). Rapporteur Catelijne Muller stelt in het rapport uit 2017 dat er geen eenduidig geaccepteerde, vastomlijnde definitie van AI is en dat het een containerbegrip is voor een groot aantal (sub)domeinen. De Nationale AI-cursus, een gratis online cursus voor alle Nederlanders, doet een poging het begrip te definiëren:  

“AI zijn intelligente systemen die zelfstandig taken kunnen uitvoeren in complexe omgevingen en eigen prestaties kunnen verbeteren door te leren van ervaringen.” 

Een belangrijke voorwaarde is dus dat het systeem zelfstandig moet kunnen leren. Het is geen statisch model; het kan zich aanpassen aan de praktijk. Met andere woorden, het moet steeds beter worden naarmate het vaker gebruikt wordt.

Zelf met data aan de slag

Welke analyses en voorspellingen kun je doen op basis van jouw data?  Bijvoorbeeld de instroom van studenten voorspellen. Of het plannen van het onderhoud binnen een woningcorporatie. Of het verbeteren van de zorg in een ziekenhuis. Ander voorbeeld is het maken van forecasts voor inkoop van levensmiddelen. 

Voor het stellen van de goede vraag of om zelf de eerste stappen te zetten op het gebied van data science is het belangrijk om kennis te hebben van methoden. Wat doet een methode, waar is deze geschikt voor en hoe kun je de resultaten interpreteren? 

Een goede theoretische basis van een aantal gangbare machine learning methoden wordt gelegd in onze data science opleidingen. Daarnaast ga je zelf aan de slag met datasets in het programma R, zodat je zelf ervaart hoe de methoden werken. 

Toekomst van AI

Dit blog is mede tot stand gekomen met input van Toekomst van AI | Stichting Toekomstbeeld der Techniek (STT) 

Artificiële intelligentie (AI) lijkt een van de meest besproken, maar misschien wel minst begrepen technologieën van dit moment. Op welke wijze gaat AI zich in de toekomst ontwikkelen? Wat is de mogelijke impact van AI op onze samenleving? En welke toekomst willen we eigenlijk met AI? Toekomstonderzoeker Rudy van Belkom werkte deze vragen in drie deelpublicaties uit. Alle informatie is te vinden op de website. 


Website Toekomst van AI 

Nationale AI cursus

Volg Rudy van Belkom op LinkedIn


 

Meer informatie

Wil je meer weten over de verschillende Data Science opleidingen?

Neem dan contact op met:

Miranda Smit

Adviseur Opleidingen

T: 0104088687

E: smit@erasmusacademie.nl

W: https://www.eur.nl/erasmusacademie/opleidingen/digitaal