Gracias por un A2A.
No soy un científico de datos, sino un teórico de juegos, así que permítanme compartir brevemente lo que observo en mi área.
Si el científico de datos está analizando situaciones estratégicas, él o ella necesita aprender teoría de juegos.
Casi por definición, lo que dije es cierto ya que la teoría de juegos estudia las interacciones estratégicas.
- Cómo simplificar el concepto de una red neuronal
- ¿Cuál es el valor de los datos? A medida que las empresas recopilan los datos de los consumidores, ¿cómo pueden los economistas calcular el valor de estos datos?
- ¿Cómo evaluaría la calidad de los datos y cómo se pueden mejorar?
- ¿Cuál es el objetivo principal de la minería de datos con big data?
- ¿Por qué el Titanic de Kaggle: Machine Learning del desastre es un problema de aprendizaje supervisado?
Déjame darte un ejemplo: subastas de anuncios . Estos son administrados por compañías como Facebook y Google a gran escala. Usted trata con miles de anunciantes que colocan millones de anuncios a miles de millones de usuarios. Usted genera una gran cantidad de datos, por lo que la ciencia de datos es indispensable. Pero también lo es la teoría de juegos. Una subasta es un entorno estratégico: los licitadores compiten entre sí por lugares para mostrar anuncios teniendo en cuenta las decisiones de los demás. ¿Cómo se diseña una subasta de este tipo? ¿Vickrey (Facebook) o segundo precio generalizado (Google)? ¿Por qué? ¿Ingresos o eficiencia? La teoría de juegos te ofrece una caja de herramientas para probar y refinar teorías y, si puedes hacerlo con grandes cantidades de datos, serás genial. La intersección de la teoría de juegos y el big data es muy candente en la academia y en la práctica en este momento.
Otras situaciones estratégicas incluyen: tomar un taxi, compartir el automóvil, alquilar un apartamento a corto plazo, vender cosas de segunda mano en línea, tener citas, etc. ¿Suena familiar? Ahora dime, ¿debería un científico de datos aprender teoría de juegos?
