En primer lugar, ¡no podemos decidir por ti!
¡Tienes que explorar y comprender cuál será interesante, emocionante y divertido de aprender!
Porque cada individuo encuentra algo fácil y viceversa.
- ¿Cómo afecta la IA al desarrollo de aplicaciones en el futuro?
- ¿Qué tipo de personas a menudo se sienten atraídas por el campo de la Inteligencia Artificial?
- ¿Qué tan lejos estamos de crear una conciencia artificial?
- ¿Qué nos hace diferentes de los robots biomecánicos?
- ¿Es la singularidad realmente un peligro para la humanidad?
Lo que crees que es súper fácil , puede ser ciencia espacial para otro.
-Por Piyush Raj
Aquí hay una breve descripción de algunos de los términos más utilizados en este campo:
- Ciencia de datos: se refiere al conjunto de técnicas en las que intenta extraer información y conocimientos de los datos. Esto incluye informes MIS en el nivel más bajo para construir modelos predictivos en el nivel más alto.
- Minería de datos: se refiere a la ciencia de recopilar todos los datos pasados y luego buscar patrones en estos datos. Busca patrones consistentes y / o relaciones entre variables. Una vez que encuentre estos conocimientos, valide los resultados aplicando los patrones detectados a nuevos subconjuntos de datos. El objetivo final de la minería de datos es la predicción, y la minería de datos predictiva es el tipo más común de minería de datos y uno que tiene las aplicaciones comerciales más directas.
- Análisis de datos: este es un término poco utilizado. Las personas que ejecutan informes también dicen que están analizando datos y también los modeladores predictivos. Simplemente tomaría esto, ya que cualquier intento de dar sentido a los datos se puede llamar análisis de datos.
- Aprendizaje automático : es la ciencia de crear algoritmos y programas que aprenden por sí mismos. Una vez diseñados, no necesitan un humano para mejorar. Algunas de las aplicaciones comunes del aprendizaje automático incluyen: búsqueda en la web, filtros de correo no deseado, sistemas de recomendación, colocación de anuncios, calificación crediticia, detección de fraude, comercio de acciones, visión por computadora y diseño de medicamentos. Una manera fácil de entender es esto: es humanamente imposible crear modelos para cada búsqueda o spam posible, por lo que hace que la máquina sea lo suficientemente inteligente como para aprender por sí misma. Cuando automatiza la parte posterior de la minería de datos, se conoce como aprendizaje automático.
Espero que esto ayude un poco.
La siguiente imagen lo ayudará a comprender cómo se relacionan entre sí .
Gracias.
