Cómo aprender ciencia de datos y análisis desde un punto de vista de gestión

Hay muchos cursos (MOOC o tradicionales) disponibles en todo el mundo, pero muchos olvidan que un Data Scientist debe ser bueno en CS / IT y ciencias duras, pero también en aplicaciones comerciales y ética y derecho. Esto último se olvida con demasiada frecuencia en los planes de estudio, pero es un desafío enorme.

Visítenos en el Data ScienceTech Institute, con nuestros programas de maestría más intensivos de 1,600 horas, en asociación con personas como SAS France y KDnuggets (Gregory I. Piatetsky-Shapiro)
Y debido a que nos preocupamos por la RSE, también ofrecemos una variedad de becas, que cubren del 50 al 100% de las tasas de matrícula. 😉

No hay que escapar de las estadísticas y la informática si quieres entender la ciencia de datos. Lo mejor que puede hacer es evitar las pruebas matemáticas, pero todo esto es abstracto.

Parece que quiere “ciencia de datos para gerentes”, y nunca he oído hablar de algo así. Hay cursos de posgrado con ese énfasis, pero no tengo idea de cómo lo abordan o si son efectivos / aplicables.

Dicho esto, los siguientes MOOC de curso deberían ser útiles:

“Análisis de datos e inferencia estadística”, que cubre los fundamentos de las estadísticas de las que simplemente no puede escapar si quiere comprender cualquier tipo de debate sobre ciencia de datos. La matemática que necesita es muy básica y tiene un enfoque muy práctico.

La “Introducción a la ciencia de datos” cubre muchos temas brevemente, y debería servirle muy bien para desarrollar vocabulario e inducir nociones básicas.

La serie de MOOC de Jons Hopkins debería ofrecer valor. No los he tomado todos, pero para un gerente, recomendaría echar un vistazo a “Aprendizaje práctico de la máquina”, “La caja de herramientas del científico de datos”, “Investigación reproducible”, “Análisis de datos”, “Modelos de regresión” y “Inferencia estadística”.