En la actualidad uno de los ámbitos tecnológicos que más auge está teniendo es el acceso y gestión de grandes cantidades de datos, con el objetivo de realizar unos análisis que permitan obtener información para una mejor toma de decisiones. Esto ha llevado al desarrollo de nuevas terminologías y la creación de nuevos puestos de trabajo especializados.
Todo ese glosario de nuevos términos puede llevar a la confusión ya que muchos de ellos solapan sus marcos de acción. Por ello, esta entrada va a ayudar a esclarecer tus dudas.
Una primera clasificación, a grosso modo, se puede realizar entre Big Data y Data Science. Por un lado, Big Data es en sí mismo la colección y manejo de grandes cantidades de datos tanto estructurados (Relational Database Management Systems, RDBMS) como no estructurados (tweets) que deben ser interpretados con software dedicado.
Data Science trata más sobre el análisis científico de los datos para obtener respuestas. Campos científicos como las matemáticas, las estadísticas y muchos otros trabajan con conjuntos de datos y los científicos trabajan con dichas herramientas para extraer conocimiento de los datos. Digamos que Data Science puede tratar con Big Data, pero también con otro tipo de datos (Small Data).
En un análisis más detallado ya podemos definir varios términos como Inteligencia Artificial (Artificial Intelligence), Machine Learning y Deep Learning. En la siguiente figura se ve muy bien estructurado cómo interactúan los diferentes ámbitos como si fueran unas muñecas matrioskas.
Si se definen los diferentes términos, podemos identificar mejor sus campos de actuación: Artificial Intelligence se dedica al desarrollo y aprendizaje de máquinas para atribuirles una funcionalidad humana; Machine Learning, es, digamos, una fase incluida dentro de DS y AI dónde se testean (con datos) algoritmos y modelos, y estos se emplean en el aprendizaje de la máquina; ya, el Deep Learning es un aspecto más especializado de Machine Learning dónde se trabaja con redes neuronales simulando aspectos del cerebro. Por cierto, no nos olvidemos del Data Mining o los ingenieros de datos que ayudan a “poner en orden” bases de datos de manera coherente y ordenada y sacar el máximo partido de ellos. Un científico de datos puede trabajar en cualquiera de dichos entornos, la idea es obtener una respuesta científica.
Si quieres aprender más sobre el mundo de la ciencia de datos, puedes inscribirte a nuestro CURSO ONLINE SOBRE DATA SCIENCE APLICADO A LOS SIG.
(10 votos, promedio: 5,00 de 5)
Cargando...
Formación de calidad impartida por profesionales
Fuentes:
https://data-flair.training/blogs/big-data-vs-data-science/
Excelente información, sobre estas herramientas
Buen articulo.