¿Es imprescindible para usted ser un programador ávido si su enfoque se centra principalmente en el aprendizaje automático / análisis de datos / análisis empresarial e inteligencia?

Re aprendizaje automático y análisis de datos: sí, debe ser un programador ávido, si quiere ser bueno.

Si usted es un científico de datos, una gran parte de su jornada laboral se dedica a la programación. Puede ser que el objetivo final de su programación no sea el código en sí mismo, es decir, no una aplicación o ejecutable, sino más bien un documento, una presentación o una decisión comercial realizada en la parte posterior del resultado de la ejecución del programa. Bien, pero todavía está programando . Debe disfrutarlo y debe preocuparse por el proceso de programación lo suficiente como para programar bien.

Si no disfruta de la programación, no disfrutará de lo que es un gran aspecto de muchos trabajos de ciencia de datos.

Daría una fuerte preferencia de contratación a un entrevistado de ML / ciencia de datos que fuera un programador ávido sobre uno que no lo fuera, y creo que muchas otras personas también lo harían.

No, no es importante ser un programador experto. Debe ser un programador decente y competente en un lenguaje como Python, R o SAS: sepa cómo hacer análisis estadísticos básicos, manipulación de datos y hacer gráficos.

Más importante es entender que no eres un gran programador y entregar el problema cuando es demasiado difícil para ti. Traerás tus puntos fuertes a la mesa. Deje que los grandes programadores, que a menudo, pero no siempre, tienen títulos avanzados en ciencias de la computación, también aporten sus puntos fuertes.

Probablemente no soy la mejor persona para responder a esta pregunta, ya que actualmente no trabajo en el campo, pero he escrito algunos programas de aprendizaje automático y análisis de datos.

¿Es necesario que seas un gran programador? No. Pero alguien en su equipo debería ser un buen programador y tener un buen conocimiento de algoritmos porque alguien tiene que dar vida a toda la teoría en la computadora. Si eres excelente en estadísticas o eres un experto en los datos que analizarás, ciertamente puedes agregar mucho valor sin mucha habilidad de programación: en el aprendizaje automático y el análisis de datos, construir el modelo es la parte difícil, la programación es solo un paso necesario para implementar el modelo a escala.

Depende de lo que quiera decir con “ávido”: la mayoría de las veces necesita poder desarrollar un algoritmo de ML para comprender cómo funciona realmente, por lo que la capacidad de codificar parece ser un requisito previo para ML y cosas relacionadas.

Sin embargo, no es realmente el caso para el análisis de datos y la inteligencia empresarial: muchas herramientas de BI son simplemente arrastrar y soltar, no necesita saber cómo codificar para poder usarlas.