Al seguente link segnalo un interessante articolo che spiega le differenze tra Data Science e Data Analysis ma anche il ruolo di Data Analyst, Data Architet e Data Engineer, per concludere con una carrellata sui principali tool: R, SQL, Python, etc.
Molto utile anche il chiarimento circa le differenze tra Big Data e Data Science.
A completamento, mi permetto di sintetizzare le principali differenze tra i termini:
Artificial Intelligence: coniato da John McCarthy, è relativo a macchine che possono assolvere compiti tipici dell’intelligenza umana, quali la pianificazione, la comprensione del linguaggio, il riconoscimento di oggetti e suoni.
Machine Learning: coniato da Arthur Samuel, è un’area dell’AI che consente ai computer di “imparare” usando un approccio differente, invece di dare al computer istruzioni su come fare qualcosa, dà istruzioni su come imparare a fare qualcosa.
Deep Learning: area emergente dell’informatica che sta rivoluzionando l’AI, ispirata da struttura e funzione della mente, è una sottocategoria del ML che riguarda l’emulazione dei processi di apprendimento umani, in sintesi una metodologia per automatizzare le analisi predittive. Il DL implica l’utilizzo di reti neurali artificiali, algoritmi e sistemi computazionali ispirati dal cervello umano per affrontare i problemi del ML.
Quindi cosa sono le reti neurali? Un’analogia di Shehzad Noor Taus Priyo le immagina come una serie di porte da oltrepassare, dove l’uomo che le deve oltrepassare è l’input e, ogni volta che lo fa, cambia qualcosa nel suo comportamento, finchè all’ultima porta oltrepassata, l’uomo è diventato una persona differente, rappresentando l’output.
A presto / Alex
