1.El aprendizaje automático es un problema resuelto. Ya tiene una amplia gama de bibliotecas integradas en python / R. Todo lo que tiene que hacer es cargar los datos y ejecutar el algoritmo. Es más como un método de éxito y seguimiento hasta que vea un buen modelo. Esta es una forma cruda de hacerlo. Cualquiera que conozca los nombres de los algoritmos puede hacerlo. No tiene que aprender mucho. Esto se convierte en un gran problema cuando tiene una gran cantidad de datos y los datos son complejos, no puede hacer hit y trail. Debe pasar por un procedimiento sistemático para analizar los datos y construir un buen modelo. Esta habilidad viene a través de la exposición al campo académico. Las organizaciones de primer nivel contratan doctorados para roles de ML
2. Los roles que obtienes al realizar cursos de Certificación o cursos en línea son como los que mencioné en el punto anterior, carga los datos y ejecuta algún algoritmo, lo que primero se te ocurra. Aunque estos roles te traerán una buena cantidad de dinero, son monótonos Si eres tan apasionado por la ciencia de los datos, ve a MS y obtendrás un mejor rol después de completarlo.
3. Hay una gran demanda de científicos de datos. Con el rápido aumento de usuarios de Internet, los datos están creciendo exponencialmente, uno puede esperar más cantidad de trabajos en este campo después de unos años. Cada clic es un punto de datos hoy en día.
- ¿Qué compañía es mejor unirse como una más fresca, Mu Sigma o Fractal Analytic?
- ¿Cuánto se relacionan estos términos como ciencia de datos, aprendizaje automático, inteligencia artificial e internet de las cosas con el mundo venidero? ¿De dónde puedo aprender estos temas? ¿Cuánto están relacionados con la ingeniería de comunicación electrónica?
- ¿Qué es la computación paralela y cómo se usa en ciencia de datos?
- ¿Hay algún buen conjunto de datos para realizar análisis sentimentales? Necesito un conjunto de datos con etiquetas positivas, negativas y neutrales.
- ¿Cómo afecta la recolección de datos al análisis de datos?
PD: apenas sé nada sobre la universidad que especificaste en la pregunta
