Si puedo tomar Introducción al aprendizaje automático o un segundo curso de Estadísticas, pero no ambos, ¿cuál es mejor para la ciencia de datos?

Gracias por el A2A.

Veo los cursos no como un medio para equiparlo completamente para la ciencia de datos, sino como un punto de partida para saber cómo las cosas se unen y dónde colgar las cosas nuevas que aprende. Entonces optaría por el aprendizaje automático.

Primero.

Luego retrocede y haz tu curso de estadísticas más tarde. No existe una regla que indique que un curso debe aprenderse en el contexto de un año académico.

Aprende el año que viene si todavía estás en la escuela.

De lo contrario, aprende después de graduarte.

De lo contrario, aprende después del trabajo.

Apréndelo y luego aprende mucho más, porque lleva un tiempo manejar la ciencia de datos. Y eso es solo el comienzo.

Y por cuánto tiempo puede estimarse cuánto tiempo podría durar su viaje, puede consultar la respuesta detallada de Ricardo Vladimiro a ¿Cuánto tiempo se tarda en aprender ciencia de datos?

Hay muchos lugares donde puedes aprender “Ciencia de datos” desde cero. Primero necesitas una hoja de ruta para aprender Data Science.

La mejor hoja de ruta para prepararse para la ciencia de datos:

• Aprender lenguaje de programación: ¡Sí! necesitas aprender lenguajes de programación. Pruebe Python primero, ya que es muy fácil de aprender y pertenece a la categoría de código abierto. Aprenda Python aquí: Tutoriales de Python: Temporada 1 (No necesita ser Python Ninja, solo se necesita información básica). A continuación, pruebe el lenguaje de programación “R”. También es de código abierto. Aprenda R aquí: DataCamp: la forma más fácil de aprender R y ciencia de datos (es gratis)
• El conocimiento de SQL es necesario: como vas a jugar con muchos datos, mi recomendación es aprender SQL. Puede aprender SQL aquí: SQLZOO o del canal de youtube “Manish Sharma”: tutoriales de SQL para principiantes / tutoriales de Oracle Database.
• Aprendamos Estadística y Probabilidad: La probabilidad también se llama la ciencia de la incertidumbre y ese concepto es más importante en el campo de la DS. Puedes aprenderlo de los cursos del MIT. Aquí está el enlace de youtube: Probabilidad y estadísticas MIT
• Aprendizaje automático: Otro tema importante que todos deberían aprender es el “Aprendizaje automático”. Necesitas tener conocimientos de matemáticas para aprender ML. Aquí está el mejor tutorial del mundo sobre ML: Lecture Collection | Aprendizaje automático
• Aprenda el procesamiento del lenguaje natural: esta es la mejor referencia, procesamiento del lenguaje natural con Python

Hay muchos proyectos ficticios disponibles en internet. Intenta terminarlo. Hacer el hogar de la ciencia de datos, etc.

[Necesita más ayuda, entonces no dude en enviarme un mensaje]

Aprendizaje feliz 🙂

Referencia: la respuesta de Akash Dugam a ¿Cuál es el mejor lugar para aprender Data Science desde cero? ¿Hay algo como freecodecamp?

Lea también: La respuesta de Akash Dugam a ¿Dónde debo comenzar para aprender el desarrollo de big data?

Es posible que desee leer la siguiente respuesta para comprender su importancia relativa: la respuesta de Shehroz Khan a ¿Qué tan importante es aprender estadísticas para una carrera en aprendizaje automático?

Probablemente el curso de estadísticas. La introducción a ML generalmente es muy general y no le enseñará nada con un nivel de detalle que sea realmente útil. Está destinado a dar una breve descripción de los diferentes tipos de ML que puede elegir para luego estudiar más a fondo. La clase en sí misma no tiene mucho valor independiente. El curso de estadísticas debería enseñarle algunas matemáticas más profundas que podría necesitar para la ciencia de datos, e incluso si no lo hace, le dará experiencia con matemáticas de nivel superior, con las que tendrá que familiarizarse de todos modos.

Aprendizaje automático. La ciencia de datos de Coz en estos días tiene más que ver con la interpretación del resultado de un algo. Si quieres convertirte en desarrollador de algo, debes aprender cómo una máquina ‘aprende’ y eso tiene más que ver con el algo. Las estadísticas no van más allá de algunas cosas muy básicas en esas circunstancias.