¿Por qué crees que se están separando de la informática tradicional (CS)?
Data Science es más que CS, es decir, tiene estadísticas y otros componentes matemáticos, por lo que difícilmente se puede decir que es una ruptura con CS. Nunca ha sido un subconjunto de CS; sin embargo, las personas en investigación de CS (ingeniería y otras disciplinas académicas) tienen sentido a partir de una gran cantidad de datos en bruto, por lo que, en ese sentido, las personas de CS ya han estado haciendo Data Science sin llamarlo así.
El aprendizaje automático (ML) nació de la Inteligencia Artificial (una disciplina CS) y siempre será una disciplina CS. Una vez hice una investigación de posgrado en el área de HPC. Aunque ML no fue parte de mi investigación, mi investigación se puede extender aún más usando ML para ajustar automáticamente la heurística del compilador para un mejor rendimiento. Es solo un ejemplo de aplicación de ML en muchas áreas de CS. Si desea leer más sobre el uso de ML en compiladores, puede visitar [1] y [2]. Y los compiladores llegaron para quedarse.
- Cómo pensar que el 'problema de aprendizaje One Shot' se resolverá con Deep Neural Network
- ¿Cuál es la diferencia entre la clasificación de vectores de soporte y la regresión? ¿Un regresor de vectores de soporte se comporta como una red neuronal por casualidad?
- ¿Qué es este aprendizaje automático y big data?
- ¿Qué es una red neuronal deconvolucional?
- Diseño de vectores de características para algoritmos de aprendizaje automático. ¿Debo poner características de diferentes dominios en el mismo vector?
Notas al pie
[1] http://udspace.udel.edu/bitstrea…
[2] http://groups.csail.mit.edu/comm…