Ciência de dados é o trabalho de responder perguntas com dados: juntar, limpar, explorar, às vezes montar um modelo que prevê algo, e contar o resultado para que alguém decida. Mistura estatística, programação (por exemplo, Python e SQL) e entender o negócio. O machine learning é uma das suas ferramentas, não o trabalho inteiro.
Uma pergunta do app. Escolha uma resposta.
A gerência pergunta por que as vendas caíram em março e quer ver num gráfico. Quem?
Deixa os dados prontos para consultar. Explicar o que aconteceu em março e contar com gráficos é outro trabalho.
Trabalha com modelos que rodam em produção. Para explicar uma queda basta consultar e comparar dados, sem treinar nada.
Consulta os dados (muitas vezes com SQL), compara meses e conta com gráficos que a gerência entenda. Responde perguntas do negócio.
Uma loja quer saber quais clientes estão para parar de comprar. Primeiro se esclarece a pergunta: o que conta como "parar de comprar"? Depois se juntam os dados de vendas, se limpam (datas erradas, clientes repetidos) e se exploram com gráficos. Só então, se fizer sentido, se testa um modelo de machine learning que marque os clientes em risco. E no fim se explica o que foi encontrado e com quanta certeza.
Limpar e entender os dados costuma levar mais tempo que o modelo. Os erros nos dados podem passar para o modelo. E se ele vai bem nos exemplos de treino, mas mal em casos novos parecidos, há sobreajuste.
Elas se cruzam, mas não são a mesma coisa. A IA busca que uma máquina faça tarefas que parecem inteligentes. O machine learning é um jeito de chegar lá aprendendo com exemplos. A ciência de dados usa o machine learning quando serve, mas muitas perguntas se respondem com uma boa consulta, uma média bem feita e um gráfico claro.
As vagas de ciência de dados aparecem com títulos em inglês, e eles se sobrepõem: Data Analyst costuma focar em análises e relatórios; Data Scientist, em experimentos e modelos; Data Engineer, em preparar e mover os dados. O que cada um faz está em profissões em IA e dados. Para entrar costumam pedir SQL, Python, um pouco de estatística e saber contar um resultado para quem não é técnico.