Es absolutamente necesario comprender las estadísticas para ser un científico de datos exitoso. Realmente no hay forma de evitarlo. Eso no significa que deba ser un estadístico de doctorado.
Pero necesita saber todo lo que está cubierto en ese curso (que también tomé en mi camino en el campo de la ciencia de datos como un recordatorio para tener un curso completo de probabilidad y estadística en la universidad) y necesita poder usarlo correctamente , comprender cuándo y cómo elegir qué método estadístico y comprender la importancia, la confianza y el error.
No es necesario ser profesor de estadísticas universitarias, para poner un pie en la puerta, ¡ciertamente no lo era!
- Cómo conseguir trabajo de científico de datos en Pune con conocimiento sólido de Python y R
- ¿Cuáles son las posibles compañías futuras si quieres ser un científico de datos en el campo de la salud (especialmente la neurociencia)?
- Como ingeniero de datos / científico de datos, ¿qué tan importante es tener un conocimiento profundo de algoritmos y estructuras de datos? ¿No son las funciones de ingeniería de software e ingeniería de datos / ciencia diferentes por una razón y corresponden a diferentes conjuntos de habilidades?
- ¿Cómo es ser un miembro de Insight Data Science?
- ¿Los científicos de datos usan el mismo volumen de datos para realizar pruebas como lo hacen los estadísticos?
Pero debe ser capaz de ejercer un juicio estadístico apropiado, saber por dónde empezar, tener recursos para trabajar y saber cuándo buscar información.
Si no puede recordar qué código usar para una estadística t de estudiante, está bien. Puedes buscarlo, ir a las pilas o preguntarle al tipo que está a tu lado.
Si no sabe por qué usar uno, ya sea que necesite emparejado o no, simple o doble, eso es problemático … y limitará su capacidad de ser útil.
Si esto es lo que le impide obtener el trabajo que desea, tome un curso o dos de un colegio comunitario o una universidad en línea, o prepárese para trabajar en algunos libros para ponerse al día.
También debe saber qué hay en el curso después del enlace, análisis de regresión. Gran parte de lo que haces en ciencia de datos, incluso si trabajas en bosques, se basará en una regresión de algún tipo, lineal, logística, no paramétrica.
Debería poder aplicar cómodamente la teoría detrás de ellos cuando sea apropiado, interpretar el resultado y comprender la importancia, la confianza y las medidas de error … en mi experiencia, más allá de las preguntas súper simples sobre los medios y el muestreo y las desviaciones estándar, la mayoría de las preguntas sobre estadísticas entendiendo que se le pedirá que explique en una entrevista sobre regresiones … son muy importantes.
También hay cursos completos sobre estadísticas de 8 a 12 semanas en Coursera que le proporcionarán la información que necesita. Nadie me ha pedido una transcripción, siempre que pueda hacerlo honestamente, debería estar bien. Solo asegúrese de usar lo que aprende, practique con él y busque un par de libros sobre aprendizaje estadístico para ayudarlo a bloquearlo en un contexto de ciencia de datos
Y es PERFECTAMENTE BIEN tomar cursos de estadística aplicada, porque aplicará estadísticas. Si nunca calcula nada en papel, totalmente bien, es probable que haga la mayor parte de su trabajo con R, Matlab o Python (tal vez algunos SQL y Excel), por lo que aprender en ese contexto está completamente bien siempre que pueda usar y explicar por qué y cómo a las personas normales que no usan estadísticas en su vida laboral cotidiana.
Lo que me preocupa más que no tener antecedentes en estadísticas, es la idea de que usted, con habilidades de inteligencia artificial y de inteligencia artificial, consideraría darse la vuelta y renunciar al escuchar que se requieren estadísticas.
Lo único que no puede aprender en línea o en otro lugar es ser duradero, valiente y resistente. ¡Tienes que elegir estas cosas, y son extremadamente importantes para tu éxito en este campo!
La ciencia de datos es emocionalmente exigente e intelectualmente difícil. Debes luchar para lograrlo … así que si realmente quieres hacer un trabajo de ciencia de datos (que no es lo mismo que querer ser un científico de datos o ganar salarios de ciencia de datos), averigua cómo obtener lo que quieres .
Si lleva un año y puede trabajar en programación o análisis mientras aprende, ¿es realmente un gran problema?