Lo clave en la ciencia de datos es “la extracción del conocimiento de los datos “.
1. Suponga que ha mencionado “música, bandas, películas, Sandra Bullock, Pink Floyd, Roger Water” como un interés en mi sitio web.
- Cómo pasar mi carrera de consultor MDM al análisis de datos
- ¿Cuál es el futuro de Big Data e IOT para tomarlo como una carrera futura después de algunos años de experiencia en la industria india de TI?
- ¿Cuál es la diferencia entre ciencia de datos y estadística?
- Cómo crear un cuaderno Jupyter en AWS
- ¿Qué curso de ciencia de datos es mejor para un principiante, el nanodegree analista de datos de Udacity o el curso de ciencia de datos?
2)
Ahora mis algoritmos de aprendizaje automático intentarán clasificar los datos en función de su interés. Verificará en la categoría “Música”. Como también ha mencionado “bandas”, irá poco en la categoría de bandas, oh, de nuevo ha mencionado “Pink Floyd” y “Roger water”.
3)
Mi robot tendrá suficiente conocimiento de cuáles son sus intereses.
Ahora aplicará NLP (procesamiento del lenguaje natural), para procesar datos de texto almacenados o páginas en línea, para rastrear datos (documentos) según su interés.
Resultados:
1. Tienes Roger Water y Pink Floyd en tu interés, por lo que el robot te recomendará
- Más fuerte que las palabras “última canción de éxito de Pink Floyd, arena de Roger.
- Te puede interesar seguir a “Roger Waters, David Gilmour, Syd Barrett, Richard Wright, Nick Mason”, otros tipos similares a Roger y también en Pink Floyd
2. Tienes Sanda y Películas en interés, entonces
- Robot dirá Te puede gustar “Gravity” buena película de Sandra
- Dirá, es posible que desee seguir al actor de “George Clooney”, similar a Sandra trabajó en algunas películas donde Sandra también estuvo allí.
Todo el ciclo es así: