Machine Learning, IA y Data Science, ¿Qué son y cómo se usan? 1/3

Actualmente encontramos en páginas de internet, en redes sociales, en presentaciones, en publicidad, incluso en la cámara de nuestros dispositivos móviles, los términos IA (inteligencia artificial), Machine Learning (aprendizaje automático), y/o Data Science (ciencia de datos) y nos preguntamos:

  • ¿Qué significan?
  • ¿Cómo se usan?
  • ¿Quiénes lo aprovechan?
  • ¿Quiénes están detrás de estas tecnologías?
  • ¿En qué se diferencian?

En esta serie de posts (1/3) veremos un poco sobre todas estas tecnologías, para que tengas claro cómo funcionan.

Empezaremos…

Ciencia de datos (Data Science): ¿Qué es?

En lenguaje sencillo, la ciencia de datos se enfoca en obtener nuevos resultados de los datos, ¿cómo es esto? Bueno, imagina que por un momento tienes a detalle la información de toda tu vida: peso día a día, lo que has comido, lo que bebes, la cantidad de pasos, las veces que sonríes, y todo lo que puedas imaginar, es mucha información ¿cierto?. Y de seguro hay información que no sabes a pesar de ser tu vida, por ejemplo, sabes cuál es la cantidad de dinero que cae de tu bolsillo en un año, sabes el día de la semana que más sonríes, sabes el número de veces que tocas tu nariz durante el día… seguro que no, pero si aplicamos ciencia de datos a la información de tu vida, descubrirás datos muy interesantes e incluso podríamos predecir algunas de tus acciones futuras.

La ciencia de datos, se basa en pruebas analíticas estrictas y se aplica para datos estructurados como no estructurados.

Entonces cuando hacemos una selección, preparación y análisis de datos, estoy haciendo ciencia de datos. No exactamente, pero si estamos en una actividad relacionada.

¿Cómo se usa?, algunos ejemplos:

  • Optimización de procesos (procesos empresariales, mejora de las campañas de marketing)
  • Análisis predictivos (previsión de demanda y eventos)
  • Sistemas de recomendación (como los de Amazon y Netflix)
  • Sistemas automáticos de toma de decisiones (como reconocimiento facial o drones)
  • Investigación social (procesamiento de encuestas)

Por ejemplo, Netflix usa sus minas de datos para buscar patrones de visualización. Esto permite al personal entender mejor los intereses de los usuarios y tomar decisiones sobre qué serie de Netflix deberían tomar a continuación.

Algunas de las empresas que usan DS:

  • Spotify
  • Netflix
  • American Express
  • Starbucks
  • Facebook
  • Amazon

Ciencia de datos, ¿quién se encarga?

Siempre hay un humano detrás de la tecnología, el encargado de aplicar DS es conocido como científico de datos, este debe entender los datos y las cifras.

Sobre todo, los científicos de datos deben ser capaces de:

  • Comprensión/Manejo de TIBCO, SAP, SAS y otras herramientas de análisis
  • Habilidades en la programación en lenguajes como (R, Python, SQL, Rapidminer)
  • Capacidad de resolver problemas complejos
  • Habilidades en análisis estadístico

Pero eso es sólo la punta del iceberg. Los especialistas en DS también pueden necesitar experiencia en áreas como ingeniería industrial, finanzas computacionales, simulaciones y control de calidad e incluso teoría de números.

En el próximo post trataremos IA (Inteligencia artificial), por último, veremos Machine Learning, ¡cómo están relacionadas y que distinguen estas tecnologías!

 

Autor: 

Elder Cañaveras



Deja una respuesta

Abrir Whatsapp
1
Hola ! encontraste lo que buscabas?
Hola ! Nos encantaría ayudarte !