Como estás en el segundo año de ingeniería de TI, te sugiero que visites: la respuesta de Akash Dugam a ¿Es Big Data el futuro? este enlace para comprender más sobre ciencia de datos en el mercado actual.
La ciencia de datos es un concepto amplio. Hay tantos términos acuñados con este título. Déjame explicarte con el diagrama de Venn:
- Soy un desarrollador de Ruby on Rails. ¿Cómo hago una transición a un rol de Data Scientist?
- Soy ingeniero industrial (nunca he estado en ciencias de la computación) pero estoy interesado en la ciencia de datos. ¿Qué tengo que hacer?
- ¿Un perfil como el mío tiene alguna posibilidad de ingresar a un buen instituto a través de GRE para obtener una maestría en ciencia de datos?
- Cómo decidir entre aprender un modelo para cada usuario o un modelo único a partir de todos los datos
- ¿Cuáles son algunas heurísticas de visualización de datos?
Como podemos ver para lograr la etiqueta de ciencia de datos, necesitamos tener conocimiento sobre muchas otras materias.
- Matemáticas: las matemáticas son el alma de los conceptos y algoritmos de aprendizaje automático. Muchos algoritmos de ML se basan en el concepto matemático. Aunque no es necesario tener un doctorado en matemáticas, solo las matemáticas de nivel secundario son suficientes. Puedes repasar las habilidades matemáticas aquí: Khan Academy. Temas como matrices, álgebra lineal, cálculo son importantes.
- Estadísticas: Bueno, este es definitivamente el alma de la ciencia de datos que todo científico de datos debe saber. Sin estadísticas no se puede entender completamente la ciencia de datos. Pero no te preocupes, no es ciencia espacial. Puedes estudiar estadísticas aquí: Khan Academy
- Ciencias de la computación: puede hacer modelos a partir de sus datos utilizando estadísticas, pero no puede manipularlos. Desea implementar estas cosas en la vida real, entonces necesita aprender muchas materias de informática. Obviamente, no hay ciencia de datos sin informática. Temas como Base de datos, Python, Java (para Big Data), R es necesario para trabajar con grandes conjuntos de datos. Puede aprenderlo aquí: la respuesta de Akash Dugam a Quiero aprender Python para el análisis de datos y el aprendizaje automático. ¿De dónde debería comenzar?
- Aprendizaje automático: ML = Estadísticas + Matemáticas + Python / R Otro tema importante que todos deberían aprender es “Aprendizaje automático”. Necesitas tener conocimientos de matemáticas para aprender ML. Aquí está el mejor tutorial del mundo sobre ML: Lecture Collection | Aprendizaje automático
- Conocimiento de dominio: puede obtenerlo haciendo una búsqueda en Google o principalmente la capacitación para estas áreas de dominio es impartida por la propia empresa.
- Aquellos que quieran explorar más en R pueden visitar aquí: la respuesta de Akash Dugam a ¿Cómo me convierto en un experto en R?
- Aquellos que quieran explorar más en Python, pueden visitar aquí: la respuesta de Akash Dugam a ¿Dónde debo aprender Python?