Orig Q: ¿Cuáles son las clases de ciencias de datos más útiles para abogados?
La respuesta corta es aprendizaje automático y estadísticas.
La respuesta larga es ¿por qué?
- ¿Cuáles son las aplicaciones de la ciencia de datos en física?
- ¿Por qué necesitamos científicos de datos si tenemos aprendizaje automático que puede analizar y procesar datos?
- Cómo adelantarme a mi competencia con la ayuda de Big Data
- ¿Cuál fue su experiencia al pasar de Investigación de operaciones o Ingeniería industrial a Aprendizaje automático o Ciencia de datos?
- (MS en ciencia de datos) VS. (Maestría en certificación CS + en ciencia de datos), ¿qué ruta es mejor?
Estadística:
Probablemente ya sepa sobre el muestreo sesgado, ya que habrá visto las encuestas preelectorales antes de las últimas elecciones presidenciales de EE. UU. Decir que los encuestadores se equivocaron es quedarse corto. Comprender por qué requiere una inmersión prolongada en los métodos de muestreo utilizados y cómo se distribuyeron las encuestas geográficamente. Ni siquiera se trata de estadísticas complejas, se trata solo del muestreo de los datos que ingresaron en los modelos.
Aprendizaje automático:
El mejor artículo que puede leer para tener una idea del “por qué” para ML es por un investigador llamado Moritz Hardt llamado: ¿Cómo es injusto el big data?
Lo que descubrió es que los patrones que tienen una correlación positiva en el grupo mayoritario, a veces pueden tener una correlación opuesta en el grupo minoritario. Esto es un poco abstracto, pero en esencia si intentas aplicar una regla a dos personas, tomarás una buena decisión si están en el grupo mayoritario y probablemente una decisión incorrecta si están en el grupo minoritario.
Tiene muchos más detalles, pero predigo que los algoritmos de aprendizaje automático verán el interior de las salas de tribunal en un futuro no muy lejano.
El artículo está aquí:
Cómo los datos grandes son injustos – Moritz Hardt – Medium