Gracias por A2A. Se requieren conocimientos matemáticos y estadísticos para practicar la ciencia de datos. Se requiere un conocimiento matemático particular si está interesado en comprender la implementación de algoritmos de aprendizaje automático, en cuyo caso debe cubrir temas como álgebra lineal y cálculo básico. Sin embargo, si su objetivo no es construir algoritmos, sino hacer más análisis (que parece ser el caso de su pregunta), entonces probablemente pueda analizar estos temas .
El conocimiento estadístico es principalmente útil para llevar a cabo diversas etapas de análisis, como hacer análisis exploratorios (comprender la distribución de los datos de entrada y, por lo tanto, sacar conclusiones y guiar el análisis adicional en el mismo, uno debería ser capaz de identificar si los datos están sesgados o si el los datos siguen cualquier distribución como normal, pareto, etc.) o evalúan varios modelos a través de métricas de rendimiento, etc. Sin embargo, si su objetivo es construir algoritmos y no mucho análisis, probablemente pueda analizar los temas de estadísticas.
A continuación, me gustaría reproducir una sección de la publicación de mi blog ¿Cómo adquirir el “Conjunto de Habilidades Esenciales”? – La forma de Autoiniciación que debería abordar su pregunta sobre qué nivel de sofisticación uno debería tener en Matemáticas y Estadística.
- Inteligencia humana: ¿qué tan bueno es Lee Sodel en Go? ¿Será posible construir una IA que lo deje completamente atónito en el juego?
- ¿Cuáles son algunos buenos proyectos de aprendizaje automático / IA que se pueden completar de manera realista durante un hackathon de 24 horas?
- ¿Cuándo deben usarse las redes neuronales y cuándo deben usarse los algoritmos genéticos? Cuáles son las diferencias entre ellos?
- ¿Cómo se relacionan la inteligencia humana y el talento humano?
- ¿Por qué las redes neuronales profundas usan tanta potencia de procesamiento?
- Álgebra Lineal, Cálculo: Mathispower4u-Calculus, Coursera-Linear Algebra, Linear Algebra & Probability for Machine Learning- U of Glasgow
- Estadística, probabilidad: probabilidad y estadística para programadores, fórmulas estadísticas para programadores, Coursera- Análisis de datos, Coursera- Statistics One
