Differences
This shows you the differences between two versions of the page.
|
uso:resurse:ce-sa-fac-dupa-uso [2021/01/26 10:16] flavia.oprea [Cursuri Cisco, Python & WebDev] |
uso:resurse:ce-sa-fac-dupa-uso [2021/04/09 09:52] (current) razvan.deaconescu [Data Science și Învățare Automată (Machine Learning)] |
||
|---|---|---|---|
| Line 186: | Line 186: | ||
| ===== Data Science și Învățare Automată (Machine Learning) ===== | ===== Data Science și Învățare Automată (Machine Learning) ===== | ||
| - | Persoane de contact: sisteme multi-agent (Adina Magda Florea, Andrei Olaru, Alexandru Sorici), prelucrarea limbajului natural (Stefan Trausan-Matu, Traian Rebedea, Mihai Dascalu), viziune computerizată (Marius Leordeanu, Irina Mocanu; Computer Vision - CV) | + | Persoane de contact: sisteme multi-agent / învătare automată ([[adina.florea@upb.ro|Adina Magda Florea]], [[andrei.olaru@upb.ro|Andrei Olaru]], [[alexandru.sorici@upb.ro|Alexandru Sorici]], [[mihai.trascau@upb.ro|Mihai Trăscău]]), prelucrarea limbajului natural ([[stefan.trausan@upb.ro|Stefan Trausan-Matu]], [[traian.rebedea@upb.ro|Traian Rebedea]], [[mihai.dascalu@upb.ro|Mihai Dascalu]]), viziune computerizată ([[marius.leordeanu@upb.ro|Marius Leordeanu]], [[irina.mocanu@upb.ro|Irina Mocanu]]; Computer Vision - CV) |
| În ultimii ani, rolul de data scientist sau de ML engineer a devenit unul dintre cele mai căutate poziții pentru absolvenții de calculatoare, informatică sau statistică aplicată. Între cele două poziții există asemănări puternice în sensul că ambele sunt centrate pe analiza cantităților mari de date folosind algoritmi și instrumente specifice, oferirea de suport departamentelor de business, extragerea de informații și șabloane din date, implementarea de predicții și clasificări, optimizarea diverselor procese folosind statistică și învățare automată. Totuși, există și diferențe relativ subtile - în general, un data scientist explorează datele și propune modele pentru analize și rezolvarea unor probleme, pe când un ML engineer trebuie să implementeze aceste modele pe seturi mari de date, să optimizeze arhitecturile și eventual să decidă infrastructura de calcul. | În ultimii ani, rolul de data scientist sau de ML engineer a devenit unul dintre cele mai căutate poziții pentru absolvenții de calculatoare, informatică sau statistică aplicată. Între cele două poziții există asemănări puternice în sensul că ambele sunt centrate pe analiza cantităților mari de date folosind algoritmi și instrumente specifice, oferirea de suport departamentelor de business, extragerea de informații și șabloane din date, implementarea de predicții și clasificări, optimizarea diverselor procese folosind statistică și învățare automată. Totuși, există și diferențe relativ subtile - în general, un data scientist explorează datele și propune modele pentru analize și rezolvarea unor probleme, pe când un ML engineer trebuie să implementeze aceste modele pe seturi mari de date, să optimizeze arhitecturile și eventual să decidă infrastructura de calcul. | ||
