• Querying and reporting
• You know exactly what you are looking for.
• SQL:
• SELECT * FROM CUSTOMERS WHERE AGE > 45
• OLAP: Online Analytical Processing
• GUI to query large data collections in real-time
• Pre-programmed dimensions of analysis
• Summary level
--> no modeling or pattern finding
OLAP GUI example
Classic Business Intelligence: You know what you are looking for -> Query/OLAP
• Data Science: “A set of fundamental principles that guide extraction of knowledge
from data”
• Data Mining: “The extraction of knowledge from data, via technologies that
incorporate these principles”
• Big Data: “Data that is so large that traditional data storage and processing systems
are unable to deal with it”
You don’t know what you look for/want to find new intricate patterns in the (big) data ->
Data Mining
,Terminology (iii): Technologies
no real faces
Applications of what we just saw?
Concerns?
• Modern ML techniques are very good at learning complex patterns in data to solve
certain types of predefined tasks
• Data science harnesses these techniques to solve commercial and business issues to
create value
Data
• At the basis of all of this: data!
• What is data?
-> Raw stream of facts
,Data as a strategic asset
• Data can lead to better decision making through data science
• Data -> information/knowledge
• Data is a valuable asset
Which types of decisions to support through data science
• Decisions for which discoveries need to be made
• Usually high impact
• E.g., prediction of demand shocks in times of crisis
• Decisions that repeat, especially at massive scale
• so decision-making can benefit from even small increases in decision-making
accuracy on data analysis.
• E.g., credit scoring
Remember!
• Data science: “A set of fundamental principles that guide extraction of knowledge
from data”
• Data mining: “The extraction of knowledge from data, via technologies that
incorporate these principles”
• Important technology: machine learning
• Learns from data
But what is learning?
, Learning
• We usually learn a function:
y = f(x)
• f: a mathematical or logical formula
• Can be learned using algorithms that learn f(x) from data, from examples
• E.g.: f() a program to identify cats in video data
• Gets better with more examples -> Remember: Machine learning OR:
• Mapping of x to y can be hardcoded, what the program does -> solution not
learned
• y = f(x)?
• Looks suspiciously like:
• But…
• Often more complex
Y= a + bx (a and b are learnable parameters)
Some learned functions can be very complex
• E.g., T-NLG: 17 billion parameters
Some decision support systems can involve multiple complex distributions/functions
E.g., for supporting liver assignment
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur stijndamoiseaux. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €6,99. Vous n'êtes lié à rien après votre achat.