¿Son esos datos geográficos? Si es así, entonces Geografía sería útil.
Se utilizan muchos datos espaciales en SIG, por lo que familiarizarse con las estructuras de datos utilizadas por ESRI y el resto es un buen paso (especialmente las estructuras ráster vs vector). Aprender las matemáticas detrás de sus funciones comunes puede ayudar. Hay suposiciones interesantes que están permitidas en la teoría del análisis geográfico, y algunos desafíos novedosos en los datos espaciales que pueden sorprender a un extraño con la guardia baja.
Tenga en cuenta que también puede generalizar algunos conocimientos estadísticos a SIG; La ubicación del sitio es un tema interesante, y los buenos algoritmos para eso requieren que controlemos el error y elijamos variables significativas que no estén correlacionadas (al explicarse entre sí o disminuir directamente el poder del otro).
- ¿Cuáles son las oportunidades interesantes en la industria farmacéutica para emprendedores con experiencia en negocios, economía y ciencia de datos?
- Comparta materiales gratuitos interesantes sobre ciencias de datos / Big Data / Machine Learning aquí?
- ¿Cuál es el alcance futuro de la ciencia de datos con Python en India?
- ¿Cómo explicaría la 'falacia de la tasa base' a un niño de 9 años?
- ¿Es legal enviar datos de Kaggle a GitHub?
¡Buena suerte!
EDITAR:
Los nuevos temas de interés surgen con respecto a la interpolación, extrapolación, visualización, decidir cuándo usar ciertas estructuras de datos, agrupamiento y conversión en nuevos tipos de modelos de datos, dificultades en el muestreo aleatorio, optimización de rutas y muchos más.