मशीन लर्निंग उच्च आयामी लागू आँकड़ों का एक विशेष क्षेत्र है। इसके लिए काफी प्रोग्रामिंग बैकग्राउंड की भी आवश्यकता होती है जो अच्छे मात्रात्मक कार्यक्रम के लिए आवश्यक नहीं है, खासकर स्नातक स्तर पर लेकिन स्नातक स्तर पर भी कुछ हद तक। इसमें केवल आंकड़ों के पूर्वानुमान पहलू के लिए आवेदन किया गया है, जबकि गणितीय आंकड़ों के साथ-साथ हीन और वर्णनात्मक लागू आंकड़ों पर ध्यान देने की आवश्यकता है। कई कार्यक्रम छात्रों को मशीन लर्निंग (उदाहरण के लिए सीएमयू) के संपर्क में आने का एक बड़ा मौका देते हैं, लेकिन कुछ निश्चित उच्च प्रोफ़ाइल तकनीकी नौकरियों को छोड़कर, इन आंकड़ों को लागू करने के लिए औद्योगिक सांख्यिकीविदों को शायद ही कभी मौका मिलता है।
मैं हाल ही में कई डेटा वैज्ञानिक और मशीन रोजगार के बाजार में पदों सीखने देखा है, वहीं मैं एक मशीन पृष्ठभूमि सीखने की आवश्यकता नहीं है की "सांख्यिकीविद" सामान्य नौकरी का विवरण लगता है, लेकिन है बुनियादी आँकड़ों, अनुमान, और संचार के एक निर्दोष समझने की आवश्यकता है: ये वास्तव में एक स्नातक सांख्यिकी कार्यक्रम का मूल होना चाहिए। मशीन लर्निंग और डेटा साइंस भी नौकरी के शीर्षक और विषयों के रूप में अपेक्षाकृत नए हैं। यह सांख्यिकीविदों के रूप में रोजगार पाने वालों के लिए एक असहमति होगी, जो मशीन सीखने की दिशा में अपनी समस्या सुलझाने की रणनीति को अपनाने के लिए है, अगर इसे 10 या 20 वर्षों में प्रभावोत्पादकता के लिए व्यवसाय / फार्मा / बायोसाइंस उद्यम में छोड़ दिया जाता है।
अंत में, मुझे नहीं लगता कि मशीन लर्निंग, आंकड़ों की ठोस समझ को बढ़ाता है। सांख्यिकी मूल रूप से एक क्रॉस-डिसिप्लिनरी फ़ील्ड है और आपके क्षेत्र में गैर-तकनीकी विशेषज्ञों (जैसे कि डॉक्टर, सीएफओ, या प्रशासक) को संवाद करना और उन्हें समझाने के लिए महत्वपूर्ण है कि आपने जिस कार्यप्रणाली को चुना था, वही क्यों चुना। मशीन लर्निंग एक ऐसा आला, उच्च तकनीकी क्षेत्र है, जो कई लागू प्रथाओं में, मानक उपकरणों और तकनीकों की तुलना में केवल बेहतर प्रदर्शन का वादा करता है। पर्यवेक्षित और अनुपयोगी शिक्षा में कई तरीके गैर-विशेषज्ञों (और यहां तक कि कुछ कम प्रशिक्षित विशेषज्ञों) द्वारा "ब्लैक बॉक्स" के रूप में माना जाता है। जब एक विशिष्ट शिक्षण पद्धति की अपनी पसंद का बचाव करने के लिए कहा जाता है, तो ऐसे स्पष्टीकरण होते हैं जो सपाट हो जाते हैं और लागू समस्या से प्रेरित परिस्थितियों में से किसी पर आकर्षित होते हैं।