Big Data define la naturaleza de los datos en términos de la velocidad a la que se generan, los volúmenes de datos creados y los tipos de datos creados (ya sea estructurados o no). Por lo tanto, las tecnologías que se desarrollan para tratar con soluciones de big data , como Hadoop, Spark, No SQL, están separadas de las soluciones de datos pequeños como las bases de datos SQL u Oracle.
Data Science es una amalgama de conocimiento de múltiples dominios, es enorme en términos de implementación de una variedad de métodos científicos y matemáticos, utilizando una variedad de herramientas, todas para obtener información, predecir ideas, comunicar información a partir de datos. Los datos aquí pueden ser tanto estructurados como no estructurados y el proceso de generación de conocimientos también puede ser manual y automatizado.
El análisis de datos, por otro lado, implica el uso de métodos de estadísticas y una amplia variedad de herramientas de análisis de apoyo como Excel, Tableau, R, principalmente en datos pequeños y datos estructurados para obtener información relevante del negocio.
- ¿Podemos obtener automáticamente datos de prueba / entrenamiento para un sistema Machine Learning to Rank (MLR)?
- ¿Cuáles son algunos pasatiempos que a los científicos de datos les gustan?
- ¿Puedo convertirme en un analista de datos sin una calificación en estadística o matemáticas como especialidad?
- ¿Qué opinas de todos estos programas de maestría de Data Science que están saliendo?
- ¿Cómo comenzó Big Data?
Si planea ingresar a este dominio, podría recomendarle que vea nuestra serie de seminarios web sobre estos tres temas
¡Espero que esta información ayude!