Fundamentalmente creo que hay valor en comprender la teoría para ser un mejor practicante. Nadie necesita pruebas para hacer algo, pero comprender los teoremas y sus pruebas hará que cualquiera piense más profundamente sobre el dominio, mejore la resolución de problemas y se sienta más cómodo con el significado y las limitaciones de los procedimientos prácticos.
Creo que puede ser un buen ingeniero de software con muy poco conocimiento de las teorías de la computabilidad y la complejidad, pero no creo que pueda ser excelente . Del mismo modo, creo que puedes ser un buen científico de datos sin saber nada sobre la prueba del teorema del límite central, pero creo que estás mucho mejor preparado para convertirte en un experto con habilidades profundas de resolución de problemas si tienes una comprensión mucho más profunda de la teoría subyacente.
Ahora, a la pregunta “¿hay algo que no puedas hacer sin él?”, La respuesta es probablemente no , no hay nada que no puedas hacer realmente. Siempre puede seguir la receta o ejecutar una biblioteca R y obtener algunas respuestas. Sin embargo, ser capaz de innovar sobre los procedimientos estándar es algo que, creo, querrá tener un conocimiento más profundo de la teoría para que tenga éxito.
- ¿La 'arquitectura lambda' sigue siendo la mejor manera de construir canalizaciones de datos a gran escala (en 2017) o ha sido reemplazada por otras arquitecturas?
- Si encripta un SSD sin primero borrar de manera segura los datos antiguos, luego llénelos con datos encriptados, ¿podrían los datos no encriptados aún ser recuperables?
- ¿Cómo está transformando el análisis de datos el mundo?
- Si todos mis estudiantes por debajo del promedio alcanzaron el promedio de la clase, ¿cuál será el aumento porcentual en el promedio de la clase?
- ¿Cuáles son las áreas básicas de conocimiento matemático y estadístico con las que un científico debería sentirse muy cómodo y cómo las aprende?