Trataré la ciencia de datos y el aprendizaje automático (ML) como términos equivalentes.
Lo que viene a mi mente de inmediato es
- Póker : para jugar, DeepStack y (por las mismas personas) para encontrar un equilibrio de Nash, se resuelve el Heads-up limit hold’em poker. Aquí ML ayuda a jugar bien el juego o a encontrar el equilibrio de Nash. Otro ejemplo con el mismo espíritu es AlphaGo for Go de Deepmind, pero el póker, como juego de información asimétrica, es más interesante desde la perspectiva teórica del juego.
- Cualquier cosa con subastas y particularmente las de publicidad en línea (ahí es donde está el dinero). Utiliza el aprendizaje automático para predecir el valor de oferta óptimo para un lugar en la página que alguien visita, dada la información que tiene sobre el usuario (a través de cookies, rastreadores, etc.).
- ¿Hay algún tipo de versión de conjunto de datos y versión de código, estilo GitHub para Data Science? (más fácil de usar que GitHub)
- ¿Cómo manejan los datos las grandes empresas?
- ¿Cómo influye Big Data en la gestión del talento?
- ¿Tiene 36 años para emprender una carrera en ciencia de datos?
- ¿Cuáles son las desventajas de las notebooks iPython para el análisis de datos? ¿Hay algún trabajo de investigación disponible que hable sobre la rigidez y la linealidad del portátil?
