Comparación de estadísticas y machine learning

Las diferencias entre Estadística y Machine Learning.

Las cosas pueden tener similitudes y diferencias cuando no son iguales. Eso es lo que pasa entre las estadísticas y el machine learning, no son lo mismo.

La mayoría de las personas pueden sentirse confundidas al respecto, porque hay un pensamiento común de que la diferencia entre las estadísticas y el machine learning es su propósito. Lo es, pero al mismo tiempo no lo es.

Comparación de estadísticas y machine learning

Para entenderlo mejor, debemos saber que la Estadística es una rama de las Matemáticas y el Aprendizaje Automático es una rama de la Inteligencia Artificial.

Entonces, ¿qué son estas cosas?

  • La estadística se ocupa de la recopilación, organización, análisis, interpretación y presentación de datos.
  • Usos del machine learning algoritmos aprender y mejorar a partir de la experiencia.

Básicamente, las estadísticas y el machine learning tienen datos en común.
Los datos pueden tener variables cualitativas o cuantitativas, ambas usan esas variables.

¿Qué es la ciencia de datos?

También hay algo que debemos saber en este punto, Data Science. Data Science utiliza hardware potente, sistemas de programación potentes y algoritmos eficientes para resolver problemas.

Data Science es el método para trabajar con Datos. No necesita una computadora para hacer estadísticas, pero la necesitaba para hacer ciencia de datos.

¿Qué es un modelo estadístico?

Por último, pero no menos importante, está el modelo estadístico. Es el proceso de usar datos para construir un dispositivo matemático o algorítmico para medir la probabilidad de alguna observación.

Diferencias entre estadística y machine learning

Las estadísticas, el modelo estadístico, el machine learning, la ciencia de datos y los datos pueden tener similitudes, pero la diferencia está ahí.

  1. El machine learning se basa en un framework estadístico. Se trata de datos y los datos tienen que ser descritos usando un Marco Estadístico.
  2. Las estadísticas se ocupan de los datos, el machine learning utiliza datos para entrenar y probar por sí mismo.
  3. Las estadísticas son puntos de datos y Machine Learning es predicción.
  4. Los tipos de estadísticas son pronóstico de variables continuas, regresión y clasificación. Los tipos de machine learning son aprendizaje supervisado y no supervisado.
  5. La Entrada-Salida de Estadísticas son los Puntos de Datos y del Aprendizaje Automático son Características y Etiquetas.
  6. Las estadísticas se usan para la correlación entre los puntos de datos, univariados y multivariados, y el machine learning se usa para las hipótesis.
  7. Las estadísticas requieren conocimientos de matemáticas y el machine learning requiere matemáticas y algoritmos.
  8. Las aplicaciones estadísticas son estadísticas descriptivas, encontrando patrones y valores atípicos en los datos. Las aplicaciones de machine learning son el pronóstico del tiempo, el modelado de temas y el modelado predictivo.
  9. Se destacan Estadísticas, Derivadas y Probabilidades, Machine Learning, algoritmos predominantes y conceptos como Redes Neuronales.
  10. Al trabajar con Estadísticas entendemos conceptos como Covarianza, Univariante, Multivariante, Estimadores, Valores P y Desviación Raíz-Media-Cuadrada.

Trabajando con Machine Learning entendemos conceptos como Regresión Lineal, Random Forest, Support vector machine y Neural Networks.

Debido a la abundancia de datos a los que la humanidad tiene acceso, el machine learning puede ser más útil, pero no podemos olvidar que el machine learning no existiría sin las estadísticas.

No puede ser una Estadística vs. Aprendizaje automático decidir nada, el propósito decidirá por usted.

Aquí tienes mas publicaciones sobre Machine Learning:

¿No estás cansado de pasar páginas y quedarte dormido? Los libros de texto y otros materiales de estudio te proporcionarán ...
Un informe reciente de Gartner sostiene que la Inteligencia Artificial eliminará 1,8 millones de puestos de trabajo, en su mayoría ...
Dados los documentos de texto, podemos agruparlos automáticamente: agrupación de texto. Usaremos KMeans, que es un algoritmo de machine learning ...
Un portal de empleo en Estados Unidos publicó recientemente que entre 2015 y 2018 se duplicaron las ofertas de trabajo ...
«Inteligencia Artificial en marcha: Interoperabilidad entre Administraciones y procedimientos administrativos automatizados», con este título tuve el placer de participar en ...
Los modelos de reconocimiento en tiempo real que se pueden crear gracias a Machine Learning son increíbles. Permiten que los ...

¿ Te sirvió este artículo Comparación de estadísticas y machine learning?
⬇️ Tu apoyo compartiendo me ayuda bastante.⬇️

5 comentarios en «Comparación de estadísticas y machine learning»

  1. ¡Interesante artículo! ¿Cuál crees que es más efectivo: estadística o machine learning? 🤔

    • ¡Gracias por tu comentario! En mi opinión, la combinación de estadística y machine learning puede ser la más efectiva. Ambos enfoques tienen sus fortalezas y juntos pueden potenciar los resultados. ¡Es cuestión de encontrar el equilibrio adecuado! ¿Tú qué opinas? 😊

  2. ¡Interesante debate! ¿Realmente el machine learning supera a la estadística en la ciencia de datos? 🤔

    • ¡Vaya pregunta complicada! Ambas disciplinas son clave en la ciencia de datos. El machine learning se basa en la estadística, no es cuestión de superar sino de complementarse. ¡Sigamos aprendiendo y sacando lo mejor de ambas para avanzar en este apasionante campo! 💻📊🔍

  3. ¡Creo que la estadística y el machine learning son como el café y el té! 🤔☕🍵

Los comentarios están cerrados.