¿Cuál es la diferencia entre ciencia de datos, minería de datos, análisis de negocios, aprendizaje automático, aprendizaje profundo e inteligencia artificial?


Respuesta 1:

Digamos que eres un astrólogo. Dada la posición, el volumen, la masa, la velocidad, la dirección de cada estrella, planeta, luna y meteorito, le dices a las personas si ganarán el noble premio y cuándo lo harán. Por supuesto, tiene una gran cantidad de información histórica sobre los objetos celestiales y los nobles ganadores de premios. Entonces, te sientes respaldado por la ciencia.

Ahora, para ganar visibilidad, financiación, nuevas contrataciones y clientes, llame a su campo:

  1. Ciencia AstroMineral AstroAnálisis AstroAprendizaje AstroInteligencia Astro

Dependiendo de lo que vende.

Los términos utilizados en la pregunta tienen una evolución similar. Mucho de esto es marketing que ciencia o ingeniería. Al final del día, el trabajo se reduce principalmente a resolver problemas que involucran

  1. Almacenar y masajear toneladas de datos. Encontrar tendencias o patrones o agrupaciones o fórmulas ocultas en los datos. Predecir cómo se puede clasificar o agrupar un nuevo punto de datos con los puntos de datos existentes. Crear visualizaciones significativas de lo que ha encontrado. Entrenar una máquina para realizar actos como pintar, barrer, levantar, navegar, etc. Usar diferentes lenguajes de programación, marcos y herramientas como en el desarrollo de software. Sin embargo, lo que difiere es el nivel de matemática y algoritmos aplicados.

En lugar de abrumarte con la terminología superpuesta, concéntrate en los problemas que estás interesado en resolver y deja que el mundo te dé una etiqueta aleatoria que venda.


Respuesta 2:

Ciencia de datos: campo multidisciplinario que utiliza métodos, procesos, algoritmos y sistemas científicos para extraer conocimiento e información de datos estructurados y no estructurados.

Minería de datos: el proceso de analizar grandes conjuntos de datos para descubrir nuevos patrones, que involucran métodos en la intersección del aprendizaje automático y las estadísticas aplicadas.

Análisis de negocios: las habilidades, tecnologías y prácticas para la exploración iterativa continua y la investigación del desempeño comercial pasado para obtener información e impulsar la planificación comercial.

Aprendizaje automático: subconjunto de IA que se centra en el desarrollo de algoritmos que ayudarán a las máquinas a aprender y cambiar en respuesta a nuevos datos, sin ayuda humana. A veces, el aprendizaje automático se usa indistintamente con el aprendizaje profundo.

Aprendizaje profundo: una función de la IA que imita el cerebro humano al aprender de la forma en que se estructuran los datos, en lugar de hacerlo a partir de un algoritmo programado para realizar una tarea específica.

IA (inteligencia artificial): el concepto general de máquinas que actúan de una manera que simula o imita la inteligencia humana. La IA puede tener una variedad de características, como la comunicación humana o la toma de decisiones.

Recomiendo este artículo para obtener explicaciones más detalladas sobre una gama más amplia de términos de IA: 50 términos de IA para principiantes que debe saber