Al menos debe tener conocimientos básicos de programación, estructuras de datos, algoritmos para poder implementar diferentes algoritmos para diferentes tareas.
Se valorará el conocimiento de lenguajes de programación estadística, como R o Python, y un lenguaje de consulta de bases de datos como SQL.
Aprendizaje automático : si está en una gran empresa con grandes cantidades de datos, o trabaja en una compañía en la que el producto en sí está especialmente basado en datos, es posible que desee familiarizarse con los métodos de aprendizaje automático. Esto puede significar cosas como vecinos más cercanos k, bosques aleatorios, métodos de conjunto, todas las palabras de moda del aprendizaje automático. Es cierto que muchas de estas técnicas se pueden implementar utilizando las bibliotecas R o Python; debido a esto, no es necesariamente un factor decisivo si no eres el experto líder mundial en cómo funcionan los algoritmos. Lo más importante es comprender los trazos generales y comprender realmente cuándo es apropiado usar diferentes técnicas.
- ¿Los doctores técnicos hacen buenos científicos de datos?
- ¿Cuáles son las cosas más interesantes en las que un científico de datos puede trabajar?
- ¿Debo ser un científico computacional en lugar de un ingeniero de software si prefiero aprender matemáticas en lugar de lenguajes de programación?
- ¿Morirá el trabajo de científico de datos en unos años?
- ¿Qué compañías tecnológicas del Área de la Bahía tienen la mayor proporción de científico de datos a ingeniero?