¿Cuál es más importante de los tres, es decir, informática ubicua, informática distribuida y procesamiento de lenguaje natural, en el mundo de hoy?

Es realmente difícil separar estos tres temas y ordenarlos según su importancia, porque todos se implementaron juntos para construir sistemas y soluciones de alta calidad que usted y yo usamos todos los días.

La informática ubicua es la idea central en torno a Internet de las cosas (IoT).
Habla sobre el pensamiento fundamental del diseño en torno a la “ubicuidad” de los dispositivos informáticos y los paradigmas de interacción (implícitos frente a explícitos), etc.

La informática distribuida habla sobre formas de construir una infraestructura computacional distribuida y escalable, algo que funcionaría como una red troncal y motores de procesamiento para dispositivos IoT.

El procesamiento del lenguaje natural gira en torno a cómo trabajar con formas “naturales” (humanas) de información de entrada y salida, para crear productos con interacciones perfectas, que se utilizarán en el entorno informático IoT / ubicuo. (Ejemplo: Amazon Alexa o los AirPods “Siri”).

Entonces, para decirte lo que es importante, ¡la pregunta sería qué quieres hacer!

Si desea crear alguna aplicación interesante del mundo real, sería útil centrarse en la computación ubicua y el procesamiento del lenguaje natural.
Muchos de los problemas informáticos de distribución en el mundo real están siendo resueltos por “los chicos de la plataforma” y se proporcionan como un servicio, para que pueda concentrarse en la creación de aplicaciones.

¡Espero que esto ayude!

More Interesting

¿Qué debe hacer un estudiante de diploma para aprender software o aprendizaje automático?

¿Es generalmente una buena idea entrenar en caso real, desarrollar y probar conjuntos de datos para la traducción automática?

¿Cuál es una metodología sólida para abordar un problema de regresión?

¿Qué tan poderoso es la PNL?

¿Por qué los científicos no definen la inteligencia de tal manera que pueda implementarse artificialmente en un software, como si pudiéramos crear luz artificialmente?

¿Cómo debo saber que estoy interesado en el aprendizaje automático?

Aprendizaje profundo: ¿Por qué no utilizar el entrenamiento sin supervisión para las redes neuronales más tradicionales (superficiales)?

¿Cuál es una buena fuente o explicación sobre la tasa de error de fonema (PER) y la tasa de error independiente de la posición, o la tasa de error de letras?

¿Debo aprender C ++, Python o Java para construir un sistema de aprendizaje automático de grado de producción?

¿Cuál es la solución del ejercicio 1.3 del libro Machine Learning de Tom M. Mitchell?

¿Cómo puede un joven de 16 años comenzar a aprender sobre el aprendizaje automático?

¿Qué es ingenuo Bayes en minería de datos?

Cómo hacer una carrera desde el nivel más básico hasta el nivel profesional en ciencia de datos, aprendizaje automático y aprendizaje profundo

Durante el aprendizaje automático para la detección de objetos, ¿cómo puedo simular el efecto de la iluminación de diferentes días en mi conjunto de datos de entrenamiento?

¿Cómo funcionan los algoritmos de aprendizaje automático de Google?