Por supuesto que lo es: tiene que ser!
Data Science es pesado en álgebra lineal, cálculo, optimización y en cierta medida dinámica del sistema (matemáticas no lineales).
Data Scientist también debe ser buenos programadores, ya que estas matemáticas deben implementarse. Pero una buena “cabeza matemática” suele estar bien con la programación de aprendizaje.
- ¿Sería difícil hacer una aplicación que tome fotos de partituras y las reproduzca en el instrumento elegido?
- Aprendizaje automático: ¿cómo puedo obtener eventos y acontecimientos en la vida de las personas a partir de sus estados en Facebook o tweets?
- Ya conozco bien a Matlab. Mi tiempo es limitado: ¿debo aprender R para ciencia de datos / análisis empresarial?
- ¿La ciencia de datos tiene una amplia gama de sectores laborales como la informática o la ingeniería de software si me gradúo de la Universidad de Waterloo con la cooperativa?
- ¿Cuál es la diferencia entre ETL y Data Warehouse / Data Warehousing?
También hay un componente para disfrutar de la parte de “TI”: geeking, ajustes, etc. Veo que algunos de mis mejores estudiantes de “cabezas de matemáticas” no son demasiado aficionados a eso. Pero este aspecto también es muy importante al pasar de un hermoso modelo matemático a su implementación e implementación de TI a través de un Sistema de Información y su infraestructura juega un papel importante en ser un “buen” Científico de Datos.
Puede echar un vistazo a nuestro programa de Maestría en Ciencia de Datos Aplicados y Big Data para darle una idea de la amplitud del campo 🙂
