AI(Artificial Intelligence) ဆိုတာကတော့အားလုံးသိတဲ့အတိုင်း စက်ကိုလူသားရဲ့အကူအညီမပါဘဲနဲ့ ကိုယ်တိုင် ဆုံးဖြတ်နိုင်စွမ်းရှိတဲ့ လူလုပ်အသိဉာဏ်တစ်ခုလိုပြောလိုရပါတယ် ဘယ်ကနေစပြီးလေ့လာရမလဲ - Mathematics(Linear Algebra, Probability, Calculus) - Statistics (စာရင်းအင်းပညာ) - Programming (Mostly Python) - Machine Learning ဒါတွေကနေစပြီးလေ့လာဖိုလိုအပ်ပါတယ် အဲဒီထဲမှာမှ Mathematics & Statistics ဟာဆိုရင် Data Science ဘက်မှာအဓိကအသုံးချပါတယ် Programming ကတော့ Physically AI Traning လုပ်တဲ့နေရာမှာ အများအားဖြင့် Python ကိုအသုံးပြုတာဖြစ်တဲ့အတွက် လေ့လာဖိုလိုတာဖြစ်ပါတယ် AI engineer တစ်ဦးဖြစ်လာဖိုဆိုရင် Data Scientist + Software Engineer = AI Enginner ဆိုတာကိုလဲနားလည်ဖိုလိုပါတယ်

Data Science နဲ့ပတ်သက်ပြီးအရင်ရှင်းပြပါမယ်
Data Science မှာအဓိက အရေးကြီးဆုံးကတော့ data preprocessing (Data တွေကိုပြန်လည်ပြင်ဆင်ခြင်း) ဖြစ်ပါတယ်
ဥပမာ - ကျောင်းတစ်ကျောင်းမှာရှိတဲ့ ကျောင်းသား dataset တွေကို ကျောင်းမှာရှိတဲ့ office အစုံ နေရာအစုံ လူအစုံကနေ မေးမြန်း data ကောက်လာပြီးရလာတယ်ထားပါတော့
Data တွေသည် တခါတရံမှာ noisy လို့ခေါ်တဲ့ ရူပ်ပွနေတာမျိုးတွေ, Data မှားနေတာမျိုးတွေ, Null Value အပေါက်တွေဖြစ်နေတာမျိုးတွေ, Data Duplicate(data ထပ်နေတာမျိုးတွေ), Format မကျတာမျိုးတွေ, ကိုယ်အသုံးပြုမယ့်ရည်ရွယ်ချက်ကနေသွေဖယ်နေတဲ့မလိုအပ်တဲ့ data တွေ, တွက်လို့ချက်လို့မရတဲ့စာအရှည်ကြီးတွေ စသဖြင့်ဒါမျိုးတွေပါလာနိုင်ပါတယ်
ဒီလိုမျိုး ဖြစ်ချင်တိုင်း ပရန်းပတာဖြစ်နေတဲ့ data တွေကိုသုံးပြီးတော့ ဘာမှလုပ်လို့မရပါဖူး
ဒီအတွက် data science နည်းပညာဟာအရေးပါလာတာဖြစ်ပါတယ်
Data science မှာဆိုရင် အပေါ်မှာပြောခဲ့တဲ့ ပွစတက်နေတဲ့ raw data တွေကို
No 1 - selection (ကိုယ်အသုံးလိုမယ့် Target Data ကိုပဲရွေးထုတ်) မယ်
No 2 - Preprocess ( Null အပေါက်ဖြစ်နေတဲ့ data တွေကို Data science နည်းပညာတစ်ခုခုကိုသုံးပြီး ခန့်မှန်းပြီးဖြည့်တာမျိုးတွေ ခန့်မှန်းလို့မရတော့ရင် ဖယ်ပစ်တာမျိုး Duplicate ဖြစ်နေတာမျိုးတွေဖယ်ပစ်တာမျိုးတွေ) လုပ်မယ်
No 3 - Data တွေကို တွက်လို့ချက်လို့ရအောင် Transform Data တွေကိုပုံစံပြောင်းပစ်တာမျိုးတွေ
No 4 - မညီတဲ့ Data တွေကို clustering လို့ခေါ်တဲ့ အုပ်စုတစ်စုဆီ တစ်စုဆီ Cluster ခွဲတာမျိုးတွေ
No 5 - နောက်ဆုံးရလာတဲ့ data တွေကို ပြန်ပြီး စစ်ဆေးတာမျိုးတွေ
ဒါတွေကိုအဆင့်ဆင့်တွက်ချက်ပြီးလုပ်ကိုင်ရပါတယ်
ဒါ့အပြင် data science မှာ
- association rule mining ဆိုတဲ့ ဥပမာ - online shop တစ်ခုမှာ ဘယ်သူကဘာဝယ်ရင် ဘာတွေနဲ့တွဲပြီးဝယ်လို့ရှိလဲဆိုတာမျိုးတွေကိုတွက်ချက်တာ
- Supervised Machine Learning - ရှိနှင့်နေပြီးသား Data တွေကိုသုံးပြီး နောက်ကြရင် ဘာဖြစ်ရင် ဘာထွက်လာမလဲဆိုတဲ့ Rule တွေ ကိုခန့်မှန်းတွက်ချက်တာ
စသဖြင့် နည်းပညာတွေ theory တွေအများကြီးရှိပါတယ်
ဘာလို့ Machine Learning, Data Science တွေက AI engineering နဲ့ဆက်စပ်နေတာလဲဆိုတာ နားလည်ဖို့ Deep Learning ဆိုတာဘာလဲ Machine Learning ဆိုတာဘာလဲဆိုတာတွေကိုဆက်လက်ဖတ်ရှုပေးပါ