Los dos oponentes suben al ring, cada uno afirma tener la ventaja. El científico de datos saca una regla plateada, el desarrollador de aprendizaje profundo saca un martillo reluciente: ¿quién construirá el mejor modelo?
En mis puestos anteriores, trabajé como científico de datos y desarrollador de algoritmos de aprendizaje profundo. Si me preguntas cuáles son las diferencias entre los dos, debo decir que es no está claro.
Ambos tratan con datos y modelos de aprendizaje automático, y ambos utilizan métricas de éxito y principios de trabajo similares.
Entonces, ¿qué los hace diferentes?
Creo que es la actitud.
Seré audaz y generalizaré que, según mi experiencia, los desarrolladores de aprendizaje profundo (especialmente los junior) tienden a centrarse más en el modelomientras que los científicos de datos hacen lo contrario: analizar y manipular los datos de modo que casi cualquier modelo funcionará.
O debería atreverme a simplificarlo aún más y decir que:
Aprendizaje profundo = orientado a modelos