Машинное обучение: мост между бизнесом и Data Science

[nikolz]

Термин data science был придуман в 1960-х. У него есть множество определений; ориентированное на бизнес было сформулировано главным дата-саентистом MailChimp Джоном Форманом:

Первое введение термина data science относится к книге Петера Наура 1974 года, в которой он явно определил науку о данных как дисциплину, изучающую жизненный цикл цифровых данных — от появления до преобразования для представления в других областях знаний.   https://ru.wikipedia.org/wiki/Наука_о_данных

[AR1ES]

Спасибо, для старта общего понимания как раз попало в моё желание начать изучать и вникать в данную область =)
По результатам прочтения возникло несколько вопросов.
1. К каким группам относятся задачи, связанные с логистикой? Допустим есть какое-то количество заказов на дальние перевозки грузов, есть всего 1 свободный грузовик, и надо выбрать наиболее подходящий заказ, или порекомендовать N заказов, или распределить несколько свободных (а может и будущих) грузовиков между открытыми заказами.
2. Как решается вопрос использования разнородных наборов данных? Есть ли какие-то методики их объединения и структурирования? Должны ли они сводиться при обработке к какому-то единому виду, или в ML в одну модель можно "скармливать" различные набора данных, как-то их размечая. Продолжая пример с логистикой, например может быть информация об истории обработки старых заказов, какая-то история по грузовикам (это по сути то что может использоваться для обучения на исторических данных) + есть опять же текущее положение всех грузовик, текущий перечень заказов. Итого минимум 2 набора данных для обучения, слабо связанных между собой. И по сути 2 набора данных, на основе которых уже надо по итогу "принимать решение".

[Vinogradov_Alexander]

Первая задача очень напоминает задачу коммивояжёра - практически не имеет точного решения. Или (ближе всего) транспортную задачу из теории ЭММиМ.

По второму вопросу можно сказать, что в большинстве случаев в модель должны передаваться данные такой же структуры, на какой была обучена модель (количество признаков, их тип).