В чем разница между аналитикой данных, анализом данных, интеллектуальным анализом данных, наукой о данных, машинным обучением и большими данными?
Несколько дней назад мне не терпелось попробовать свои силы в этом вопросе, но это всегда казалось непосильной задачей из-за того, сколько слов в этом вопросе. Кроме того, это тема, на которой сосредоточены многие люди, и многие другие уже подробно писали в предыдущих сообщениях.
Я начну с перестановки всех ключевых слов:
"Большие данные"
Сбор данных
Анализ данных
Аналитика Машинное обучение
Наука о данных
Подумайте о том, чтобы пройти обучение на специалиста по данным и получить работу в крупной компании, такой как Amazon, Intel, Google, Facebook, Apple и т. д.
Как бы это появилось?
Чтобы поддерживать только базы данных больших данных, вам пришлось бы создавать компьютерные программы на SQL, Python, R, C++, Java, Scala, Ruby и так далее. Вас будут называть менеджером базы данных.
Вы будете выполнять добычу и анализ данных как инженер, работающий над управлением процессами, или как человек, стремящийся оптимизировать операции компании. Вы можете использовать базовое программное обеспечение для этого, где вы будете запускать только сложные коды многих других людей, или вы можете написать свои сложные коды на SQL, Python или R и выполнять интеллектуальный анализ данных, очистку данных, анализ данных, моделирование, прогнозное моделирование. , и другие задачи.
Аналитика будет названием игры. Для этого доступно множество программ. Одним из самых популярных является Tableau. JMP и SAS — еще два. Многие действия, для которых может использоваться система бизнес-аналитики на основе SAP, выполняются многими людьми в режиме онлайн. Простая отчетность здесь проста.
Кроме того, в тех случаях, когда аналитические решения невозможны, вы сможете применять машинное обучение, чтобы делать выводы и делать прогнозы. Аналитические решения можно сравнить с компьютерными программами типа [Если/то], где все входные обстоятельства предопределены, а изменено лишь небольшое количество параметров.
Разделение данных в машинном обучении осуществляется посредством статистического анализа.
Глубокое обучение используется для обработки огромных объемов данных, включая музыкальные файлы, изображения и даже текстовые данные, такие как естественные языки, но их разновидности весьма разнообразны.
Все будет использовано в ваших интересах, включая аналитические методы, разделение данных, хакерский менталитет, автоматизацию программирования, отчетность, составление выводов, выбор курса действий и создание нарративов о ваших данных.
И последнее, но не менее важное: часть этого будет происходить в ваше отсутствие физически, при этом большая часть работы выполняется программами, которые вы, возможно, создали. Вероятно, если поднять его до уровня искусственного интеллекта, он со временем станет умнее вас. Это также было бы быстрее. Однажды он может дойти до того, что предложит решения, о которых вы даже не подумали бы.
Как ученый данных сейчас, то, что вы делаете, известно как наука о данных.
Если вы работаете в Amazon или Google, люди, не являющиеся сотрудниками вашей фирмы, могут видеть все, что вы делаете, например, когда они задают Alexa или Google различные запросы. Или, возможно, ничего из того, что вы делаете, они не видят. В ваши обязанности будет входить помощь предприятиям в улучшении их техники.
Для выполнения всего этого вам может потребоваться большой опыт работы с данными, а также знакомство с несколькими языками программирования.
Заключение
Я думаю, что у вас должно быть некоторое представление о различных областях, чтобы продвинуться дальше в этих карьерах, было бы полезно, если бы вы записались на курсы Tutort Academy.
