Hola,
Lo primero que importa es “Qué problema vas a resolver / quieres resolver”. Según el problema, se decide qué recursos (personas / expertos en LD) se necesitan para resolver un problema.
Pero, en general, uno que resuelve un problema de negocios basado en ML requiere un científico de datos, ya que este perfil le da a la persona conocimiento de la resolución del problema con la ayuda de los datos. Este perfil le brinda a una persona, quien toma el problema, diseña una técnica para extraer datos (si no está disponible), procesa los datos al formato deseado, aplica ML (pocos científicos de datos son expertos en esto, de lo contrario, necesita un ingeniero de ML) y luego los datos científico que visualiza el resultado en forma concreta. Después de probar la solución se implementa.
- Mis auriculares no reproducen sonido de alta frecuencia, parece estar con un cableado defectuoso. Pero, ¿por qué solo se bloquean los sonidos de alta frecuencia? ¿Es esto físicamente posible?
- ¿Cómo entiendo los conceptos subyacentes de las bibliotecas, incluidos archivos, archivos MAKE, indicadores de compilación, archivos de objetos y conceptos relacionados?
- ¿Puedo usar el mismo conjunto de validación para ajustar múltiples parámetros, uno a la vez?
- ¿Vale la pena tomar CS 186 (Economía y Computación) en Harvard?
- ¿Qué puede hacer un graduado en informática para mejorar su currículum, ya que los proyectos realizados por la mayoría de los estudiantes son más o menos proyectos académicos con estándares comunes en diferentes universidades?
Los pocos científicos de datos también son buenos en programación, pero no en diseño de interfaz. Aquí hay otra cosa si puede encontrar un científico de datos con habilidades de ingeniería de software que tenga suerte, ya que esta persona diseña software con conocimiento de ciencia de datos para que se genere un mejor software. No esperes el diseño de la interfaz … él / ella es peor en eso.
Para MS tech. … tiene azure proporcionando todas las bibliotecas necesarias de ML.
Al final necesitas las siguientes personas:
- Data Scientist (no Data Analyst) e ingeniero de ML si el científico de datos no se siente cómodo con ML o si necesita un procesamiento de datos específico con imagen o lenguaje natural.
- Ingeniero de software, si el científico de datos carece de esta habilidad
- Diseñador de interfaz de software
- Habilidades de Azure ML (para MS tech) … para ingeniero de ML / científico de datos.