Por supuesto que puede. La mayoría de los científicos de datos actuales son aquellos que no tienen idea de las matemáticas detrás de varios algoritmos, pero desde una perspectiva práctica, tienen muy buenas manos con varios paquetes y herramientas de aprendizaje automático. En la actualidad, muchas bibliotecas de ML vienen con una extensa documentación y lo ayudan a comprender los algoritmos detrás de escena con intuición.
Por supuesto, es posible que no pueda comprender las ecuaciones y el cálculo integral pesado detrás de un algoritmo de retropropagación en redes neuronales, por supuesto, pero si tiene buenas habilidades de programación, puede integrar fácilmente un módulo y realizar llamadas a API.
En resumen, es posible que no pueda convertirse en un excelente científico de datos desde el primer día, pero definitivamente es posible convertirse en un buen científico de datos con buenas habilidades de programación desde una perspectiva práctica.
- Teoría de los tipos: ¿la comprensión de la correspondencia de Curry-Howard lo convierte en un mejor programador?
- ¿Cómo sirven las matemáticas como base para la informática teórica?
- ¿Cuál es el método para encontrar el valor aproximado de la potencia de dos (2 ^ x) sin usar una calculadora?
- ¿Qué es una función armónica y su uso?
- ¿Cuál es el significado de bucket = Math.abs (x.hashCode () * p)% tablesize en Java?
Más tarde, a medida que avanza lentamente mirando los números de salida generados por varias bibliotecas de ML en diferentes conjuntos de datos, es mucho más fácil comprender algunas de las matemáticas detrás de esto.
¡Así que adelante, comienza a jugar y no temas las ecuaciones matemáticas pesadas en esos trabajos académicos que ves!
Tengo un gran interés en ayudar a otros a desarrollar habilidades de ciencia de datos, especialmente aquellos con poca experiencia en matemáticas. No dude en enviarme un correo electrónico si necesita ayuda.