¿Cuáles son las diferencias y similitudes entre la minería de datos, el aprendizaje automático y la inteligencia artificial?

Las otras respuestas aquí (y probablemente las otras por venir) discutirán sobre ML e IA, por lo que proporcionaré alguna perspectiva propia.

Minería de datos:

Su objetivo es buscar patrones en los datos. A menudo, se le proporciona un conjunto de datos, y alguien le hará preguntas sobre la estructura de los datos.

Por ejemplo, supongamos que le doy una mesa que almacena un montón de transacciones realizadas en una tienda de comestibles. El siguiente ejemplo está sacado de Wikipedia:

Algunas preguntas que la comunidad de minería de datos podría hacer:

  • ¿Qué artículos se compran generalmente juntos?
  • Si compro mantequilla y pan, ¿es probable que compre leche?

No es difícil ver cómo esto podría proporcionar un tremendo valor comercial. Si sabe qué artículos a menudo se compran juntos, puede poner esos artículos juntos en la tienda de comestibles, ayudar a los clientes a encontrar lo que realmente están buscando y alegrar sus ventas.

En este ejemplo, es bastante fácil observar las respuestas a estas preguntas, pero para una gran base de datos y una gran cantidad de elementos diferentes, puede golpear una pared con bastante rapidez. La minería de datos también se enfoca en algoritmos eficientes (uno de los autores de este artículo fue un instructor para mi clase de minería de datos, ¡super amable!) Para calcular tales respuestas a estas preguntas.

A2A. La Inteligencia Artificial (IA) es una categoría amplia que se basa fundamentalmente en técnicas de aprendizaje automático (ML). Puede usar ML para hacer minería de datos (DM), pero no es necesario para muchos casos de uso de DM.

Un ejemplo simplista; Los sistemas de inteligencia artificial se describen por el comportamiento inteligente que están diseñados para exhibir, como el filtrado de correo no deseado. Se utilizan varias técnicas de ML para identificar el SPAM, como la detección de anomalías, que es una familia de métodos de ML. Las técnicas de DM se pueden usar para recopilar los datos necesarios para entrenar los componentes de ML, posiblemente usando ML para generar un conjunto de entrenamiento superior, pero más comúnmente usando los métodos ETL (Extract-Transform-Load).

La inteligencia artificial es como un árbol, donde el aprendizaje automático y la minería de datos son dos ramas que se pueden clasificar por enfoque y por aplicación. Este esbozo lo ayudaría a comprender claramente: Esquema de inteligencia artificial – Wikipedia.