Supongo que depende de la organización (Old School Vs New School).
- Definitivamente necesita un comando decente de Estadísticas y Matemáticas para comprender los datos. Para alguien que ni siquiera puede poner una ecuación de regresión en lápiz y papel (lo que significa comprender el concepto lo suficientemente bien), es difícil tener éxito como científico de datos a largo plazo. Esto pasa a ser el pensamiento de la vieja escuela y hoy en día, la mayoría de las empresas de servicios se saltan esta barrera
- Sin embargo, a la nueva generación de informáticos no les importan las estadísticas siempre que puedan usar algos M / L y dar sentido a los resultados. Dado que la mayoría de las ciencias de datos funcionan en la mayoría de las empresas, depende de los clasificadores y si puede usarlas adecuadamente y obtener resultados decentes, todavía se considera un buen punto de partida. Algo así como escribir un buen código de Python en la agrupación y obtener resultados decentes, pero realmente no conozco los algoritmos de agrupación en su totalidad, todavía funciona con un poco de tutoría / orientación. A medida que revisa múltiples herramientas y técnicas, también comienza a aprender complejidades.
PD: Pasamos de una filosofía de la vieja escuela (1) a un nuevo modelo de escuela (2) y experimentamos cómo las personas aprenden y hacen crecer sus habilidades.
- Hemos comenzado un foro de ciencia de datos y análisis llamado www.stepupanalytics.com. ¿Cómo puedo obtener más entusiastas de los datos que puedan contribuir aquí?
- Crecí en Indiana y actualmente vivo en Indianápolis. Planeo trabajar en análisis de datos / estadísticas / econometría después de terminar mi maestría. ¿Cómo es mudarse del Medio Oeste a Silicon Valley?
- ¿Hay empresas mecánicas que contraten científicos de datos / analistas de datos / analistas de negocios?
- ¿Está bien seguir una carrera en ciencia de datos si soy un asco en el "cálculo"?
- Cómo convertirse en científico de datos después de hacer ingeniería civil