Ce înseamnă Data science
Data science (în română știința datelor) este domeniul care folosește statistică, programare și machine learning pentru a obține informații utile din date: ce s-a întâmplat, de ce, ce se va întâmpla probabil și ce decizie ar fi bună.
Specialistul se numește data scientist. Munca lui combină trei tipuri de cunoștințe: matematică și statistică, programare (cel mai des în Python, R și SQL) și înțelegerea domeniului în care lucrează, fie el comerț, medicină, finanțe sau transport.
Data science și AI se suprapun parțial. Un data scientist poate construi modele de machine learning, dar o mare parte din muncă înseamnă adunarea și curățarea datelor, grafice, analize statistice și explicarea rezultatelor pentru cei care iau decizii.
Cum funcționează
Un proiect tipic pornește de la o întrebare („de ce pleacă clienții?”), continuă cu adunarea și curățarea datelor (adesea cea mai lungă etapă), explorarea lor prin statistici și grafice, construirea unui model, verificarea lui și prezentarea concluziilor.
Uneltele obișnuite sunt Python, cu biblioteci precum pandas și scikit-learn, Jupyter Notebook, SQL pentru interogarea bazelor de date și programe de vizualizare a datelor.
Pe înțelesul tuturor
Un data scientist seamănă cu un detectiv: adună indicii (datele), elimină pistele false (datele greșite), caută legături și ajunge la o concluzie pe care trebuie să o explice clar celor care decid.
Exemplu
Un operator de telefonie mobilă observă că pierde clienți. Echipa de data science analizează istoricul a sute de mii de abonați și descoperă că mulți pleacă după a doua reclamație nerezolvată la timp. Construiește apoi un model care semnalează clienții cu risc mare de plecare, ca aceștia să primească un apel sau o ofertă.
De reținut
- Data science înseamnă transformarea datelor brute în informații și decizii.
- Combină statistica, programarea și cunoașterea domeniului.
- Machine learning este una dintre unelte, nu tot domeniul.
Nu confunda
- Data science vs. AI: AI urmărește să construiască sisteme care fac sarcini inteligente; data science urmărește să înțeleagă datele și să sprijine decizii, cu sau fără AI.
- Data scientist vs. analist de date: analistul de date se ocupă mai ales de rapoarte și analize ale trecutului; data scientistul construiește mai des modele predictive.
Termeni înrudiți
- Big data: Volume de date atât de mari, rapide sau variate încât nu mai pot fi procesate cu unelte obișnuite; materia primă a AI moderne.
- Machine learning (învățare automată): Ramura AI în care programele învață din exemple, în loc să primească reguli scrise pas cu pas de un programator.
- Analiză predictivă: Folosirea datelor istorice și a modelelor statistice sau de machine learning pentru a estima ce se va întâmpla în viitor.
- Jupyter Notebook: Aplicație open source în care scrii și rulezi cod pe bucăți, vezi imediat rezultatele și graficele și adaugi explicații, totul într-un singur document.
- Set de date (dataset): O colecție organizată de exemple (texte, imagini, tabele) folosită pentru a antrena, verifica sau compara modele AI.
- Regresie: Sarcina de machine learning în care modelul prezice un număr, de exemplu un preț, o temperatură sau o durată.