Когда я впервые начал читать о науке о данных, были времена, когда я спотыкался или подкрадывался к таким понятиям, как глубокое обучение (DL), машинное обучение (ML), искусственный интеллект (AI) и большие данные (BD). Временами они казались такими же разными, как братья и сестры, имеющие одних и тех же родителей. И временами они казались такими же разными, как послы, работающие в разных странах. Дело в том, что они разные, но каким-то образом связаны. Однако навыки, относящиеся к каждой из них, или инструменты, используемые в каждой из них, могут использоваться в каждой из этих концепций с разных точек зрения.
Наука о данных – это междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и выводов из структурированных и неструктурированных данных, а также применения знаний и практических выводов из данных в широком спектре приложений. домены.
Пример: Индивидуальное управление портфелем, Медицинские рекомендации.
Глубокое обучение — это имитация работы человеческого мозга при обработке данных и создании шаблонов, которые можно использовать при принятии решений.
Пример: Виртуальные помощники, чат-боты.
Машинное обучение. Основано на идее, что системы могут автоматически учиться на исторических данных и опыте, выявлять закономерности и помогать в принятии решений.
Пример: финансовые прогнозы, медицинские прогнозы.
Искусственный интеллект — симуляция человеческого интеллекта в машинах, которые запрограммированы думать как люди и имитировать их действия.
Пример: автоматизированное инвестирование и проактивное управление здравоохранением.
Большие данные – это большие объемы данных, как структурированных, так и неструктурированных, которые ежедневно поступают в бизнес.
Пример: данные, относящиеся к фондовым биржам и статистике здравоохранения.
Я надеюсь, что мое понимание этих модных словечек, связанных с наукой о данных, определенно изменится и появится по мере чтения, изучения и экспериментирования с ней.