Puede hacer la misma pregunta sobre matemáticas y otras áreas utilizadas por la ciencia de datos como un área amplia.
Yo diría que encuentre su “interés principal”. Que otras cosas sean secundarias a eso. Por ejemplo, mi interés principal es, al menos por ahora, en 4 funciones generales de ML: clasificación, regresión, agrupamiento, reducción de dimensionalidad. Estoy interesado en construir mecanismos que aprendan tales funciones, es decir: modelos, evaluadores (qué tan bueno es un modelo específico, también llamado función objetivo), optimizadores y medidas de desempeño. En cuanto a los tipos de datos, no me limito a ningún tipo de datos en particular, digamos imágenes. Porque, puede reducir todos los tipos de datos a “variables (cuantitativas o cualitativas) organizadas de varias maneras”. Por ejemplo, una imagen es una cuadrícula de variables discretas. El texto es una cadena de variables discretas. Para construir buenos mecanismos de aprendizaje realmente necesito las matemáticas, así que eso es algo muy importante e interesante para mí. Por otro lado, no me importa demasiado la eficiencia de los algoritmos, puedo aprender cosas nuevas a medida que avanzo. Además, no me importa ser un experto en un lenguaje de programación como R o Python, puedo recoger más según sea necesario.
Perdón por el largo mensaje, pero espero haber pintado un buen cuadro. En resumen, encuentre su “interés principal” y luego deje que otras cosas sean secundarias y recójalas según sea necesario, pero mantenga su enfoque principal en su interés principal. También el término “científico de datos” es muy amplio. Tal vez intente encontrar un tipo particular de datos que le interesen (por ejemplo, datos del genoma), y luego encuentre preguntas particulares que le gustaría responder sobre dichos datos. Una vez que haya resuelto estos problemas de alto nivel, puede recoger las cosas de bajo nivel como las matemáticas y los algoritmos a medida que avanza según sea necesario. Sugiero un enfoque de arriba hacia abajo. Calcule sus intereses de alto nivel, luego elija las mecánicas de bajo nivel que son necesarias para satisfacer sus intereses de alto nivel. No salte a cosas de bajo nivel como matemáticas y algoritmos sin ninguna motivación. Encuentre el tipo de datos que le encanta, encuentre las preguntas que le apasionan, luego divida y conquiste, y pregúntese, de acuerdo, qué algoritmos y matemáticas suelen usar las personas para hacer estas cosas. Pero de nuevo, NO salte a las matemáticas y los algoritmos solo porque escuchó en línea que esa pieza de matemática o agloritmo es “genial”. “Coolness” es relativo 🙂 … Encuentra tu interés y encuentra lo que es genial PARA TI.
- ¿Te unirías a un espacio de coworking para quants?
- ¿Cuál debería ser el camino para ser un científico de datos?
- ¿Cuáles son los diferentes programas de pasantías a los que se debe asistir para ser un científico de datos?
- ¿Qué trabajo es mejor, analista de datos / científico o desarrollador de Android e iOS?
- ¿Puedo seguir siendo un científico de datos incluso cuando tengo experiencia en comercio?