في علم التحليلات والبيانات (عندما نقوم بذلك بشكل جيد) نميل إلى استخدام الكثير من النظريات، وفي التدريب الإحصائي التقليدي تصبح أشياء مثل: نظرية الحد المركزي وقانون الأعداد الكبيرة (وتنوعاتها العديدة) متأصلة بعمق في تفكيرنا.
ما هي أهمية المعرفة النظرية
1- أساس متين
- إنّ الاهتمام بالمعرفة النظرية وفي البداية يساعد الفرد على تطوير أساس قوي وفهم للموضوع، ويركز التطبيق العملي على تنفيذ المفاهيم النظرية وهو مهم أيضًا، ولكن القفز مباشرة إلى التنفيذ دون معرفة الكثير هو أحد الأخطاء الكبيرة التي يرتكبها الأفراد أثناء تعلم علم البيانات.
2- القدرة على التفكير وتفسير التطبيق العملي
يسمح الفهم العميق للموضوع للفرد بتفسير نتائج أي تطبيق عملي، ومع التمسك القوي بالمفاهيم النظرية يمكن دائمًا التفكير في سيناريوهات مثل: الأداء الضعيف لنموذج التعلم الآلي الخاص أو شرح اختيار أسلوب على الآخر.
3- التطبيق الديناميكي للقواعد على مشاكل متعددة
- التطبيق العملي يجعل الفرد يتعلم عن حل نوع معين من المشاكل، حيث أثناء تكرار التطبيق العملي قد تصبح ماهرًا في حل هذه المشكلة بالذات، ولكن هذا سيسمح بحل بعض المشكلات المختلفة بنفس التعلم.
- تمكن المعرفة النظرية الفرد من فهم المفاهيم الأساسية لعلم البيانات ومع هذه المفاهيم الأساسية يمكن أن تساعد النظرية في حل العديد من المشاكل الأخرى، ولا تقتصر على حل نوع واحد فقط من المشاكل إذا كانت لديك معرفة نظرية قوية.
4- التحقق من صحة التطبيق
- تساعدك المعرفة النظرية على التحقق من صحة التنفيذ العملي، وكيف تعرف أنّ اختيار نموذج (ML) لمشكلة معينة صحيح وهل النتائج من نموذج (ML) الخاص تحمل أي دلالة إحصائية أم أنها مجرد قيم عشوائية.
- يمكن التحقق من الصحة فقط إذا كان لديك فهم عميق للمفاهيم الأساسية، حيث بدون هذه المفاهيم يمكن الحصول على مهارة في القيام بمهمة ما، ولكن لا يمكن التحقق ممّا إذا كان هذا هو الحل الأمثل لمشكلة معينة أو حتى هذا الحل صحيح أو خاطئ في المقام الأول.
