Niezależnie od tego, czy jesteś rekruterem, początkującym programistą lub dyrektorem w firmie która postawiła sobie za zadanie zwiększenie świadomości technologicznej i wdrożenie sztucznej inteligencji, zebraliśmy listę podstawowych pojęć oraz wyjaśniliśmy je w przyjazny sposób dla osób nie-technicznych. Listę wzbogacają przykłady, które ułatwiają zrozumienie.

Data science

Termin ogólny dla każdej dziedziny badań, która obejmuje przetwarzanie dużych ilości danych w celu zapewnienia wglądu w rzeczywiste problemy.

Data engineering

Dziedzina badań, która stosuje techniki nauki o danych do problemów inżynieryjnych. Często wiąże się to z zebraniem dużej ilości danych o badanym obiekcie, a następnie wykorzystanie tych danych do opracowania modeli komputerowych do analizy i ulepszania obiektu designu i funkcjonalności

AI

to rozwiązanie, które uczy się rozpoznawać wzorce i reagować na nie, emulując tradycyjne ludzkie zadania, takie jak rozumienie języka, rekomendowanie działań biznesowych i synteza dużych ilości informacji. Sztuczna inteligencja działa najlepiej, gdy pomaga ludziom, ucząc się bardzo powtarzalnych zadań, które zależą od dużej ilości informacji.

Machine learning

Dziedzina sztucznej inteligencji obejmująca algorytmy komputerowe, które mogą „uczyć się” poprzez znajdowanie wzorców w przykładowych danych. Algorytmy następnie zazwyczaj stosują te wyniki do nowych danych, aby przewidywać lub dostarczać inne przydatne wyniki, takie jak tłumaczenie tekstu lub prowadzenie robota w nowym otoczeniu. Medycyna jest jednym z obszarów obietnic: algorytmy uczenia maszynowego mogą na przykład identyfikować guzy na skanach, które lekarze mogli przeoczyć.

Poddziedzina sztucznej inteligencji, która często wykorzystuje techniki statystyczne, aby dać komputerom możliwość „uczenia się”, tj. stopniowego poprawiania wydajności określonego zadania przy użyciu danych, bez wyraźnego programowania.

Big data

Szeroko zakrojona dziedzina badań zajmująca się dużymi zbiorami danych. Szybko wzrosła w ciągu ostatnich kilku dekad, gdy komputer zaczął przechowywać i przechwytywać ogromne ilości danych gromadzonych na temat naszego życia i naszej planety. Kluczowym wyzwaniem w przypadku dużych zbiorów danych jest wypracowanie sposobu generowania przydatnych wniosków z danych bez niewłaściwego narażania prywatności osób, których dane dotyczą.

Deep learning

Forma uczenia maszynowego, która wykorzystuje struktury obliczeniowe znane jako „sieci neuronowe”, aby automatycznie rozpoznawać wzorce w danych i dostarczać odpowiednie dane wyjściowe, takie jak przewidywania lub dowody na podjęcie decyzji. Sieci neuronowe głębokiego uczenia są luźno inspirowane sposobem, w jaki zorganizowane są neurony w mózgach zwierząt, które składają się z wielu warstw prostych jednostek obliczeniowych („neuronów”) i nadają się do złożonych zadań uczenia się, takich jak wybieranie cech na obrazach i mowie. Głębokie uczenie stanowi zatem podstawę sterowania głosowego w naszych telefonach i inteligentnych głośnikach oraz umożliwia samochodom autonomicznym identyfikację pieszych i znaki stopu.

NLP

Obszar sztucznej inteligencji, który bada interakcje między komputerami a ludzkimi językami, w szczególności przetwarzanie i analizowanie dużych ilości danych w języku naturalnym.

Computer Vision

Dziedzina badań wykorzystująca komputery do uzyskiwania przydatnych informacji z cyfrowych obrazów lub filmów. Zastosowania obejmują rozpoznawanie obiektów (np. identyfikacja gatunków zwierząt na zdjęciach), rozpoznawanie twarzy (inteligentne sprawdzanie paszportów), obrazowanie medyczne (wykrywanie guzów na skanach), nawigację (samochody autonomiczne) i nadzór wideo (monitorowanie poziomu tłumu na imprezach).

SaaS

Oprogramowanie jako usługa (lub SaaS) to sposób dostarczania aplikacji przez Internet jako usługa. Zamiast instalować i konserwować oprogramowanie, po prostu uzyskujesz do niego dostęp przez Internet, uwalniając się od skomplikowanego zarządzania oprogramowaniem i sprzętem.

DevOps

DevOps to połączenie programistów (dev) i operacji (ops). Definiuje się ją jako metodologię inżynierii oprogramowania, której celem jest integracja pracy zespołów zajmujących się tworzeniem oprogramowania i operacjami oprogramowania poprzez ułatwianie kultury współpracy i współodpowiedzialności.

Podsumowanie

The above definitions do not, of course, exhaust all the terms with which we are inundated by industry insiders. We invite you to explore the knowledge we share on our blog As a continuation of theoretical knowledge, we invite you to read : AI, Big Data, ML, let us explain