Data science e inteligencia artificial son dos áreas del conocimiento muy relacionadas entre sí y que en ocasiones las usamos como términos intercambiables, pero que tienen ciertas diferencias.
Básicamente data science utiliza tecnologías de inteligencia artificial, pero eso no significa que cubra totalmente esta otra área. Inteligencia artificial va mucho más allá de los datos y su análisis.
Así que en este post vamos a conocer cuál es el alcance de cada una de ellas y qué puedes lograr en esta industria. ¡Comencemos! 🤓🧠
Se dice que los datos son de lo más valioso que podemos encontrar actualmente en empresas, organizaciones y en general en todo el mundo. Una masiva cantidad es generada todos los días y data science es la tecnología que ha llegado para entenderlos.
Estos datos son los que se generan cuando utilizamos alguna plataforma en línea, cuando se hace investigación, o simplemente cuando se hacen registros de algo y los almacenamos en archivos digitales.
Los datos son vitales para las empresas de hoy. Con ellos tomamos decisiones y creamos mejores productos.
Data science o ciencia de datos involucra un proceso donde extraemos datos de diversas fuentes, los manipulamos, transformamos, visualizamos y eventualmente los usamos en modelos de machine learning para generar predicciones o clasificaciones. Ese tipo de modelos son parte de la inteligencia artificial.
Para ello, toda persona que forma parte de un equipo de data science debe tener conocimientos y habilidades de tres áreas importantes:
Hoy en día podemos decir que la inteligencia artificial real es difícil de alcanzar. Esta es la inteligencia que poseen las máquinas que está inspirada en la inteligencia natural que tenemos los seres humanos.
Para lograrlo, la inteligencia artificial utiliza diferentes tipos de algoritmos para emular nuestro comportamiento. Esto lo hace a través de reconocer patrones a lo largo de grandes cantidades de información que pueden ser archivos de texto, imágenes, videos, etc.
Por ejemplo, podemos pensar en algoritmos de inteligencia artificial que reconozcan qué hay dentro de una imagen: si hay un perro o un gato. Esto lo hace gracias que se entrenó analizando cientos o miles de fotos de perros y gatos hasta que aprendió a reconocer esos patrones que nos dicen si es un perro o un gato.
Más allá de esto, las empresas gigantes en tecnología, como Google, Amazon, Facebook e IBM, han creado equipos de investigación avanzados que se dedican a desarrollar estos algoritmos y a crear demostraciones asombrosas del poder actual de la inteligencia artificial.
Uno de los ejemplos más famosos de esto es AlphaGo. Desarrollado por el equipo de Google DeepMind, cuyo único propósito es jugar el juego de mesa Go y que en 2015 se convirtió en la primera máquina en ganarle a un jugador profesional sin usar alguna clase de ayuda.
Entonces, dentro de la inteligencia artificial encontraremos tecnologías como:
Para comenzar es importante resaltar nuevamente que la inteligencia artificial de nuestros días está limitada a realizar solamente las tareas para las que las hemos entrenado y que no tiene ninguna clase de conciencia.
Con esto podemos recordar que las actividades de un equipo de data science consisten en un proceso que comprende en extraer, manipular y analizar datos donde se utilizan inteligencia artificial para generar predicciones y clasificaciones sobre esos análisis.
Entonces, para un equipo de data science la inteligencia artificial es una herramienta (de muchas) que se usan en todo su proceso. Una que generalmente se usa hasta el final de este proceso y que incluso puede no ser necesaria, ya que su finalidad primordial es apoyar a las empresas y organizaciones a tomar mejores decisiones basadas en datos.
En esta clase de equipos te toparás con roles como Data Scientist, Data Analyst y Data Engineer.
Sin embargo, hay organizaciones que dependen mucho de la inteligencia artificial y que invierten fuertemente en ella para crear productos. Como podrían ser sistemas de recomendación como el de YouTube, los filtros de Instagram o los asistentes de voz como Siri, Google Assistant o Alexa.
En esta clase de equipos te toparás, además de los roles más tradicionales, con puestos como Machine Learning Engineer, Deep Learning Engineer, NLP Scientist, Machine Learning Scientist, etc. Muchos de estos roles requieren de herramientas de data science y conocimientos más avanzados en ciencias computacionales para procesar los datos que utilizarán.
Ya que hablamos un poco de roles, detallemos mejor algunos de ellos para que conozcas qué te espera en esta industria de los datos y la inteligencia artificial.
Su función en analizar el presente de una organización. Ejecuta análisis de datos para generar informes en dashboards con tablas y gráficas que ayuden a otras personas de la organización a tomar mejores decisiones o saber si alguna estrategia está funcionando.
Se encarga de tomar datos de las fuentes de información de la organización, de limpiarlos, procesarlos, analizarlos, utilizar modelos de inteligencia artificial para resolver preguntas interesantes que surjan en su organización para toma de decisiones.
Crean y mantienen una estructura de software que permita el procesamiento de grandes cantidades de datos que vienen de distintas fuentes de la organización y que serán usados exclusivamente para analítica de datos. Este proceso se conoce como ETL por sus siglas en inglés de extracción, transformación y carga.
Funciona más dentro de la capa de inteligencia artificial de una organización. Su tarea es escalar y robustecer modelos de inteligencia artificial para funcionar en sistemas de producción de software, que en ocasiones han sido creados por Data Scientists. Este rol se asocia mucho más que otros a conocimientos y buenas prácticas de la ingeniería de software.
Ya que sabes todo esto quizás te preguntes por qué no teníamos una Escuela de Inteligencia Artificial en Platzi.
Es por ello que unimos la anterior Escuela de Data Science con la Ruta de Aprendizaje de Inteligencia Artificial y Machine Learning. De esta fusión ha llegado la nueva Escuela de Data Science e Inteligencia Artificial.
Conoce más de esta nueva Escuela aquí. 👈🌟
Pero eso NO ES TODO. En esta Escuela encontrarás rutas para especializarte en varios de los roles que conocimos arriba y también han llegado nuevos cursos para especializarte:
🚨 Aviso:¿Qué pasará con mi avance en la Ruta de Inteligencia Artificial y Machine Learning?
Actualmente muchos de los cursos de esta ruta se encuentran en la actual Escuela de Data Science y seguirán en la nueva Escuela, por lo que una parte importante de tu avance se trasladará.
Si estabas por completar esta ruta tendrás hasta el 31 de enero de 2022 para obtener tu certificado. De lo contrario te recomendamos seguir las rutas de la nueva Escuela.
Sin más te esperamos en esta nueva Escuela. Ya queremos saber todo lo que podrás lograr con ella. 🚀🧠
Excelente, esto hace más larga la escuela de Data Science pero la hace más robusta y completa!
Muchas gracias por acada día mejorar la escuela y plataforma!
Ya mañana conoceremos todos los detalles. 🤓⭐
Una vez leía una analogía en la que si la IA es como un cerebro humano. La ciencia de datos puede ser un enciclopedia de donde obtiene (valga la redundancia) datos para nutrir su memoria y de esta manera tomar decisiones.
Para entenderlo mejor los humano aprendemos de muchas formas y una de ellas también es analizando datos, identificando patrones, mediante análisis estadísticos, etc.
Entonces una IA puede nutrirse e identificar patrones con basa a los datos que puede encontrar en una base de datos, en una tabla en Excel o CVS, en la nube o incluso navegando en internet.
Por ejemplo un Chatbot que cuando dices Hola busca en más de 20,000 paginas de internet que responder cuando se dice Hola.
Finalmente note como en el diagrama de Venn el circulo de Deep Learning esta dentro de Machine Learning dando a entender que el primero es un sub - conjunto del segundo.
Este diagrama fue hecho por su servidor en Figma.
Quieren verlo completo
SIempre siempre sera mejor una imagen para entender algo !! Muy buen aaporte.
¡Excelente aporte! Gracias por compartirlo. 🤓🤓
Así que respondido a la pregunta de del principio la Ciencia de Datos y la Inteligencia Artificial si son conjuntos diferentes pero como podemos ver en el diagrama de Venn hay un punto donde se unen. Por lo que también se complementan.
Excelentísimo, estoy en la parte inicial de la Escuela de Data Science y tuve muchas dudas por la antigüedad de los videos (2 a 3 años que es mucho en TI) me anima que la ruta será mas robusta y espero que no sea solo anexar cursos recientes sino rehacer los mas desactualizados.
Bueno, pues aprenderemos Data science y Machine learning en el mismo paquete XD !Emocionante! 😃
Los aprendemos juntos y lo usaremos juntos. 😁🙌
Estoy por empezar la escuela de DataScience
¡Bienvenida, Nava! 😁🤓
Muchas gracias por aclarar cada una de las diferencias de los distintos roles que componen el maravilloso mundo de los datos!
Me han quedado claras las diferentes, es estupendo amar parte de ambos mundos que se complementan tan bien.
justo acababa de empezar la ruta de inteligencia artificial y ya tenia premeditado al acabar esta ruta empezar la de data science
Hola acabo de leer el post y me da mucha alegría saber que pronto aperturaran una nueva escuela relacionado a ML y DS, la cual es de mi interes.Saludos y exitos para platzi.
Wow! increíble notición!!! Felicidades Platzi por todo los logros y gracias por brindar continuamente lo mejor para [email protected]!
Excelente, muchas gracias por tu blog. Justo estos dias estaba buscando para entender las diferencias y muchas paginas diferian entre si, esto ayuda muchisimo a los que estamos por empezar en este mundo
¡Gracias a ti por leerlo! 😁
Qué bueno que te sea útil.
Esto me viene de lujo!. Estoy muy ansioso de seguir mi ruta de aprendizaje! 👾😜
¡Bienvenido, Edward! Mucho éxito en tu aprendizaje. 🤓
Excelente noticia, había empezado la escuela de DS, me pasaré a esta nueva que considero que es un mejor camino para llegar a Roma.
Este jueves conoceremos todos los detalles. Mientras puedes comenzar con el Curso de Análisis de Negocios para Ciencia de Datos. 🤓🤓
Ahora ha llegado mi turno… Eso era lo que esperaba 😌 💞 💪 🌋
Muchas gracias por este post Miguel, siempre con tus maravillosos aportes. Actualmente escribo mi trabajo de grado con la finalidad de obtener mi título de Ing Químico y está enfocado al aporte de la Ciencia de Datos y la IA en la Ciencia de Materiales. Trato de evidenciar cuales son las técnicas usadas tanto para predicción de propiedades cómo para encontrar nuevos materiales, muchos de los términos que no sé cómo explicar o no termino de entender vengo a buscarlos en clases de acá para tener una visión generalizada de lo que significan y hacen.
Excelente e infinitamente agradecido. Estoy iniciando en la escuela de DataScience y saber esto me alegra mucho. Mil gracias.
Estoy en la ruta de Data Science, veo que se va completando la ruta de inteligencia artificial, creo que mejor espero la fusión para ver el contenido completo, nos vemos el jueves y es bueno ver que nos mantengan informados con los cambios, saludos.
Este jueves conoceremos todos los detalles. Mientras puedes comenzar con el Curso de Análisis de Negocios para Ciencia de Datos. 🤓🤓
Gracias por la información, ya cuento con el certificado de ese curso desde el 9 de noviembre, queda esperar en un rato mas la ruta completa, saludos.
¡Genial!
Esto se va a…
descontrolaaaaaaaaar !!!
Esta fusión promete.
Gracias Plat.
```Así que respondido a la pregunta de del principio la Ciencia de Datos y la Inteligencia Artificial si son conjuntos diferentes pero como podemos ver en el diagrama de Venn hay un punto donde se unen. Por lo que también se complementan.
Muy interesante, gracias por explicarlo de una forma muy clara. Estoy por empezar con la escuela de DS.
Caray, la escuela se hará más larga, espero actualicen el “plan de estudio” y los cursos que están desactualizados 😃 gracias por todo platzi!