¿Qué debo estudiar más si quiero ser un analista / científico de datos?

Todo el conocimiento sobre algoritmos es importante. PERO aplicar un algoritmo de aprendizaje a un conjunto de datos suele ser la parte más fácil de mi trabajo.

Para mí, el trabajo duro consiste en preparar los datos para el análisis: limpieza de datos, munging de datos, disputas de datos, como lo llamen los niños geniales en estos días. Este es a menudo un trabajo aburrido y tedioso. Para hacerlo bien, necesita conocer herramientas como SQL, SAS, Hive, Pig y / o Bash scripting.

Una vez que haya limpiado los datos, que pueden representar más del 80% del trabajo en un proyecto determinado, entonces aplica algún tipo de algoritmo de aprendizaje, vea otras respuestas.

Ok, entonces has entrenado tu modelo … probablemente en una muestra … Ahora tienes que aplicar el modelo a los registros de 1, 10, 100, 1000 millones que están en alguna base de datos en alguna parte. Por lo tanto, el conocimiento de las bases de datos es importante, y dicha base de datos puede ser NoSQL / Hadoop o MPP / ACID / SQL.

Aquí hay otra cosa: también debe poder explicarle a alguien, que no entiende las matemáticas avanzadas, por qué este proceso costoso, costoso y complicado lleva mucho tiempo y le está haciendo ganar dinero.