Qual é a diferença de Data Science, Machine Learning e Inteligência Artificial?

Assim como todo mundo de tecnologia, tenho lido e aprendido cada vez mais sobre as profissões e assuntos em moda. Sem dúvida Data Science, Machine Learning e Inteligência Artificial são os campeões de relatórios, notícias e, por vezes, até mesmo de exageros.

Mas o que é cada um? Será que existe uma linha que separe cade um desses?

Data Science 

A tal Ciência de Dados é a responsável por trazer insights. Isso é, dado uma grande quantidade de dados, que conclusões podemos tirar a partir deles? Considerando milhões de compras no nosso e-commerce, o que podemos dizer sobre o perfil de quem compra brinquedos em outubro?
Quem vai comprar determinados tipos de produtos, ou quem vai ter mais dificuldade em um curso?

É daqui que saem conclusões como ‘ nossos alunos e alunas concluem 23% mais os cursos que possuem um resultado visual de Front-End do que em Back-End ‘.

Repare que é muito próximo de outras palavras que também fizeram e fazem muito sucesso: Big Data e Business Intelligence.

Análise exploratória de dados
É comum começar um estudo a partir da exploração, mas não de qualquer forma. Uma análise exploratória de dados é feita através de visualizações, medidas resumo, por vezes utilizando estatística e testes de hipótese. Tudo isso faz parte do dia a dia dos cientistas e das cienstistas de dados.

Machine Learning

Aqui é onde encontramos diversos modelos para fazer previsões. Dado um curso novo criado, qual será a taxa de conclusão dada as características essenciais desse curso? Se lançarmos um brinquedo novo em março, quantas vendas teremos para esse perfil de público?

Perceba que isso anda muito próximo da ciência de dados. Pois é através dos dados que vamos começar a pensar em questões e previsões que queremos responder e fazer.

Estatística também aparece bastante por aqui, e aí sim entra o aprendizado supervisionado e não supervisionado, redes neurais, regressões lineares até modelos mais complexos. Por mais assustador que possa parecer, atualmente diversas ferramentas e bibliotecas estão muito bem desenvolvidas e em grande parte dos casos apenas uma boa modelagem e conhecimento da API podem já ajudar bastante, mesmo sem um conhecimento profundo da matemática por trás. Claro, a medida que avança na área, vai escolher sua especialização e se aprofundar no que for necessário.

Inteligência Artificial

Segundo David Robison, a diferença para Machine Learning seria que aqui não bastam dados, insights e previsões. Precisamos de ações. Não é por acaso que fica tudo muito ligado a robôs, carros autônomos, jogos de videogame. Pois, depois de prever, podemos tomar uma ação. O carro percebeu que pode haver uma colisão em 2 segundos, através de machine learning. Qual ação tomar?

Essa tentativa de divisão é claramente bastante simplória, mas ajuda e foi resumida nesse post. Existem pessoas que discordam da classificação, mas acho bom para ilustrar, em especial para pessoas não técnicas. A medida que você conhece mais os campos, vai entender melhor as sutilizas que separam os campos e como o guarda chuva Data Science parece englobar todo esse valor extraído dos dados.

Aliás, lançamos um podcast falando sobre os primeiros passos de Data Science, que você pode ouvir aqui no Hipsters Ponto Tech.

Podcast Hipsters.tech sobre Data Science
Podcast: Primeiros Passos em Data Science

E se quer aprender mais, temos duas opções: nosso curso da Caelum presencial de Python, e online as Formações da Alura de Data Science e uma de Machine Learning.

Seja o primeiro a comentar :)

Deixe uma resposta