Soy un científico de datos que trabaja en seguros de automóviles y viviendas. Dado que el negocio de los seguros se centra en la predicción del riesgo, los científicos de datos que pueden construir e implementar buenos modelos predictivos siempre han tenido demanda. Algunos pueden tener títulos como “estadístico” o “modelador predictivo” en lugar de “científico de datos”, pero sus deberes son muy similares.
En los últimos años, el papel típico de un científico de datos de seguros era mejorar los modelos de fijación de tarifas que determinaban las primas de seguros. Los datos utilizados fueron estructurados y tabulares, mientras que el modelado se restringió principalmente a modelos lineales generalizados y técnicas similares del mundo de las estadísticas.
Sin embargo, en los últimos años, el análisis de datos ha permeado otros departamentos como marketing, reclamos, servicio al cliente, etc. En estas funciones sin fijación de precios, los datos son mucho más variados, incluyendo texto, discurso, redes sociales, imágenes y otros fuentes tradicionales Las técnicas de modelado utilizadas en estos datos pueden variar desde modelos lineales hasta varios métodos de aprendizaje automático, como redes neuronales y bosques aleatorios. En consecuencia, la necesidad de científicos de datos ahora es más alta que nunca.
- ¿Cuáles son las técnicas más modernas de minería de datos / aprendizaje automático sobre datos inmobiliarios?
- Cómo resolver el problema relacionado con pequeños datos de capacitación que conducen el aprendizaje automático o el aprendizaje profundo
- A los 28 años, y aprendiendo a programar. ¿Me he perdido la oportunidad de conseguir un trabajo en ciencia de datos y aprendizaje automático en el Reino Unido?
- ¿Cuáles son los proyectos relacionados con big data y análisis de datos que un individuo puede hacer en su graduación?
- ¿Qué tipo de preguntas de prueba A / B debo esperar en una entrevista con un científico de datos y cómo debo prepararme para esas preguntas?