Data science vs. Machine Learning

ML es un conjunto de ciencias, estrategias, disciplinas y algoritmos que nos van ayudar a tomar la capacidad de computo de las maquinas para resolver problemas de clasificación, de forma que se haga de forma automática, otro punto es realizar predicciones con base a patrones para generar tendencias acorde al comportamiento historico para predecir el futuro

Data Science Conoce a la organización y empresa a detalle para poder hacer algo al respecto. Toma todas las variables de la organización y herramientas disponibles para causar el mejor impacto

ML Es una herramienta más que complementa al Data Science y a la organización

• Machine Learning - Es un conjunto de ciencias, estrategias, disciplinas y algoritmo que nos permite tomar la capacidad de computo de una computadora para resolver diversos problemas con algoritmos. Los mayores rubros de aplicación del ML son:
  • Clasificación - Se encarga de encontrar diferentes segmentos dentro de los datos. Suele estar asociado a técnicas de aprendizaje no supervisado. Un ejemplo útil sería clasificar a los clientes de un banco.
  • Predicción - Toma datos históricos para poder generar tendencias de algún tipo y así comprender comportamientos futuros.
• Data Science - Se enfoca principalmente en conocer a una organización o una empresa con alto nivel de detalle, de tal forma que tomar acciones basándose en las necesidades de estas. un DS posee muchas herramientas tales como la estadística, matemáticas, programación y también un conocimiento básico de Machine Learning para poder resolver los diferentes problemas que se presenten. Es importante que también posea un conocimiento profundo del negocio.

Si pudiera le daría “Like” a este video, me motivo a seguor con mi curso de DS.

Creo que todos deberiamos saber un poco de ambas, Machine Learning y Deep learning son el futuro y Data Science todo lo necesario para entenderlos

Ya tengo bases de SQL, pero veo que Israel sacó un curso hace una semana, lo veré apenas termine este, excelente instructor.
Debería sacar otro curso más pro de big query por ejemplo… 😀👍🏼

El Data Science incluye el machine learning como herramienta, pero no lo sustituye.

Así que en vez de enfrentar a la ML con la DS deberíamos poner un corazón entre medio de los dos.

A seguir aprendiendo

interesante

Muy buen contenido del curso hasta el momento, primero deberíamos aprender el mundo del Data Science para luego pasar al mundo del Machine Learning, de hecho cuando aplicamos ML debemos de saber sobre algunas ramas del análisis de datos. en pocas palabras primero la Ruta del Data science y luego la de Machine Learning

Es más común hablar entre los problemas que involucran ML, hablar de análisis supervisado y no supervisado.

Bien, con esta perspectiva el machine learning a parte de ser un rol, o una herramienta, se transforma en un complemento en nuestro camino como data scientist, sin duda aprenderé sobre ML con la misma fuerza que en PostGreSQL.

Tengo la duda sobre que tan profundo debe ser el conocimiento de un cientifico de datos acerca del machine learning, es al final de la ruta profesional se enfoca a ML pero obviamente no se ven todos los cursos que se uno ve en la carrera dedicada de ML, entonces me imagino que llevando ese modulo uno no tiene un conocimiento tan profundo de ML como una persona dedicada a ello. Entonces me gustaría saber que tan a profundidad debe ser el conocimiento de un cientifico de datos acerca de esos temas.

que bien

Nunca pensé el ser Data Scientist con esa expresión de Israel de ser la persona que impacta positivamente a la organización.

Por cierto, se dice Estadístico no Estadista. 🎲.

excelente,

Mas herramientas a ese Daticinturon