НЕЙМИНГИ! Или кто есть кто в терминах ИИ.Всё мучаюсь с нашей дихотомией неймингов в Data Mining, Data-driven, Data Science, Машинном Обучении, Искусственном Интеллекте, LLM.
И, кажется, собрал текущий статус.
✅ Data Mining - термин из начала десятых. Вот где-то тут я сам влетел в тему. Идея была в том, что можно объединить методы программировании и матстатистики и находить полезные инсайты для бизнеса. Просто ковыряемся в бесконечном кол-ве цифр и ищем закономерности, а потом рассказываем об этом менеджерам. Парадокс: тема мертва, а запрос у бизнеса всё ещё есть.
Просто нет проактивных дата-аналитиков, все ждут бизнес-требования. Любопытства нет2️⃣ Ценность - 2/5
✅ Data-driven - способ мышления, процессного управления, постановки задач и поиска нового. Вообще краеугольная часть нашей истории. Основа, фундамент и то зачем это всё на самом деле. Про то, как и на основание чего мы принимаем решения. Как мы задаем вопросы, генерируем идеи, проверяем гипотезы и строим понимание мира, рынка, клиентов, бизнеса.
Важный момент: если вы просто почему-то для себя решили, что вы data-driven, то нет. Data-driven - это когда у вас есть процесс, документ, инструкция - как человекам реагировать на цифры на дашборде, а не просто смотреть в него, и вы ему следуете.
То во, что реально стоит инвестировать сначала, потом и всегда. Это реально сложно, мы просто люди. Обращайтесь, поможем, научим, настроим.
@pavel_myagkikh5️⃣ Ценность - 5/5
✅ Data Science - нейминг для технарей. Вообще, в свое время это обозвали (и правильно) "дисциплина с стыке математики, статистики и программирования". То есть, как решать бизнесовые задачи, переводя их в математические задачки на компуктере. Расслоилось на три типа:
- "Я дата-сайентист". За меня ИИ пишет код, и много говорю умных терминов, делаю кривые АБ-тесты, но графики красивые
- "Я рисёрчер". Ребята пилят реально полезные штуки, делают современные ЛЛМ, вообще двигают науку и индустрию вперёд. Нужно их мало, а 99.999% бизнесов они не нужны в принципе.
- "Я прикладник, давайте решу вашу проблему". Умеет понимать бизнес, перекладывать бизнес-проблему на техническое решение. Нас мало, но мы потихоньку растим смену.
3️⃣ Ценность - 3/5 (Бывает 1, так как есть вредители, бывает 5, так как хороший прикладной DS - это внутренний консультант и трансформатор)
✅ Машинное обучение - любимая тема, калька с аглицкого machine learning. Де факто, изначально просто компонент сферы Data Science (смотри выше), но типа более модно (в 2020) году.
Если Data Science - про всю совокупность всего, что можно сделать математикой, программированием и хорошим железом, то Машинное Обучение - это только про конкретную сферу алгоритмов, которые можно объяснить как:
"Покажи алгоритму данные, он их посмотрит, и научится предсказывать что-то по ним". Дальше появились инженеры машинного обучения, которые ставили это всё дела на автоматизацию.
2️⃣ Ценность - 2/5 (Сильно чаще бизнесу нужно просто понимание цифр, чем предсказания и автоматизация
есть масса исключений, типа если вам нужно выдавать рекомендации, персональные цены и т.п. но если вам это нужно, то вы уже знаете всё это)✅ Искусственный Интеллект.
Ооооо, дааааа.
В 2010-х так называли идеи из книг.
В 2015 маркетологи подсуетились и так называли линейную регрессию из матстата и разные методы из теории вероятностей.
В 2020 маркетологи стали побеждать, и любую автоматизацию на расчетах и математике стали называть "У нас ИИ".
В 2023 маркетологам помог ChatGPT со своим хайпом и всё. Теперь всё ИИ. Всё, что кому-то что-то подсказывает или автоматизирует теперь ИИ. Но под капотом может быть и простой матстат, и машинное обучение, и ЛЛМ и так далее.
0️⃣ Ценность Плавающая =)
✅ LLM - Last but not least. Расшифровываются как большие языковые модели. То, что чаще всего сегодня называется ИИшкой - и в технической среде тоже.
Фактически, лучшие спецы из Data Science и Машинного обучения объединились и научили машину запомнить очень много текста.. ОЧЕНЬ МНОГО ТЕКСТА. И дальше эта машина смогла предсказывать, а какой ответ ты ждешь на свой запрос (промпт).
Теперь мы уже научили эту штуку работать с реальными системами, через инструменты, MCP и RAG, так появились агенты, которые уже могут решать любые другие задачи из списка выше.
4️⃣ Ценность 4.5/5 - Не могу поставить 5, так как без Data-driven мышления, иишки решают все что угодно, кроме реально важных задач.
Сегодня я строю агентные системы для бизнеса, решаю задачи из списка сверху, и, как будто бы, как и много в ИТ все старые профессии не умирают, но очень сильно трансформируются на основе ЛЛМ/ИИ.
@pavel_myagkikh 
