La respuesta correcta aquí es: depende.
La respuesta segura aquí es: necesitará conocer suficientes estadísticas para describir datos, hacer inferencias y construir modelos simples al menos, para aprender ciencia de datos.
- Si está desarrollando software que tiene métodos analíticos y aprendizaje automático integrados, es probable que necesite ser muy exhaustivo en el algoritmo o análisis específico que está integrando. Esto requiere una amplitud específica en un área, ya sea en el desarrollo de prototipos o en el desarrollo de una base de código madura y productiva, en oposición a amplios conjuntos de habilidades.
- Si va a realizar un análisis de datos en un entorno empresarial o estratégico, con los resultados del análisis informando algún tipo de actividad continua de toma de decisiones, debe tener suficiente profundidad, pero mucha amplitud. Esto se debe a que es probable que evalúe muchos tipos diferentes de enfoques y métodos de análisis de datos y los evalúe uno al lado del otro. Puede hacer una transición de algunas de estas aplicaciones completas y, en esos casos, es posible que deba proporcionar cierta profundidad al equipo de desarrollo. En general, es probable que requiera más profundidad.
Estas consideraciones deben desempeñar un papel cuando evalúa sus fortalezas y debilidades en relación con un rol o una posición específica que está evaluando.
- ¿Cuáles son los casos de uso de big data en el comercio electrónico?
- ¿Cómo definirías y medirías el poder predictivo de una métrica?
- ¿Cuáles son algunos algoritmos de aprendizaje automático menos conocidos, que no son tan famosos pero potentes?
- ¿Existe algún beneficio de saber que Java debe seguir el camino de ser un científico de datos o puede tomarse como un complemento? (Java-as Map reduce los requisitos previos: análisis de Big Data)
- ¿Dónde puedo encontrar conjuntos de datos abiertos gratuitos para ganar experiencia como Business Intelligence y Data analyst?
También me gustaría agregar que existen numerosos MOOC gratuitos que enseñan análisis de datos y estadísticas desde cero a personas con experiencia limitada en estas áreas temáticas. Son un buen punto de partida para aprender ciencia de datos e incluyen temas estadísticos también.