No estoy seguro de entender “garantizado” (soy francés, así que no estoy seguro de mi inglés).
Si quiere decir, ¿está justificada la hipoe sobre ciencia de datos y se supone que dura, diría que sí.
Mi respuesta es basada en la experiencia.
- ¿Cómo funciona un algoritmo aleatorio en general? ¿Hay algunos algoritmos de aprendizaje automático también involucrados?
- Si mi interés principal son las series temporales, ¿debería enfocar mi energía en aprender Python o R?
- ¿Es bueno aprender que la analítica de datos es más fresca cuando no tengo idea de la analítica de datos?
- ¿Qué escuelas / programas de análisis recomendaría para aquellos con antecedentes no tecnológicos?
- ¿Cuál es la diferencia entre el análisis de datos con Python y el análisis de datos con Python en Apache Spark?
Tengo 40 años. Cuando comencé a aprender estadísticas, el nuevo bombo era la minería de datos. Fue una exageración. Pero muchos estadísticos fueron contratados gracias a esta exageración. Y la idea de “minería” hizo evolucionar las estadísticas. El análisis factorial se hizo más frecuente. Y el vocabulario de moda sedujo a las empresas. También fue un primer paso para negocios y académicos para compartir un poco de vocabulario. Luego, estaba la exageración de la inteligencia empresarial. Estadística. Luego, estaba la exageración del aprendizaje automático. De hecho, muchos de los métodos ya eran bien conocidos, pero la computadora se volvió más poderosa y algunas de las cosas que tomaron para siempre se hicieron en un tiempo razonable.
La mayoría de los métodos estadísticos siguen siendo válidos, pero, a medida que el volumen de datos creció, se hizo más difícil realizar el análisis. Además, la filosofía de muestra / estimación / inferencia es cuestionada hoy por personas que se acostumbraron a usar ALLL los datos. Esto lleva a la necesidad de optimizar la forma en que realiza los métodos estadísticos. Y la informática y los estadísticos estaban obligados a trabajar aún más estrechamente juntos. Así es como surgió la exageración de la ciencia de datos.
Entonces Big Data.
Entonces, ¿cuál será el siguiente paso, el siguiente nombre, el próximo bombo? La verdadera “Garantía” es que habrá más y más datos, y esos datos están llenos de información que nuestro cerebro no puede calcular por sí mismo. Así que llámelo estadísticas, aprendizaje automático, big data, ciencia de datos, lo que sea, invertir en comprender el mundo a través de los datos me parece una opción bastante seria, ahora y durante bastante tiempo.
La única pregunta real es si la Inteligencia Artificial alcanzará un nivel en el que seremos inútiles. Como una máquina, puedes preguntar: ¿qué significado gaviota puedes extraer de todos mis datos? Pero creo que todavía necesitamos varias generaciones de científicos antes de que esto suceda.
Espero que esto ayude, si lo hace, me alegraría que votaras esta respuesta.