La lista de cursos sigue evolucionando, pero mirando las ofertas actuales, las siguientes parecen útiles:
COS 323: Computación y Optimización (Ver ORF363)
COS 402: Inteligencia Artificial
COS 528: estructuras de datos y algoritmos gráficos
ORF 245: Fundamentos de las estadísticas de ingeniería
ORF 307: Optimización
ORF 309: probabilidad y sistemas estocásticos
ORF 405: Regresión y series de tiempo aplicadas
ORF 411: Ingeniería de Operaciones e Información
MAT375: Introducción a la teoría de grafos
MAT385: Teoría de la probabilidad
Sin embargo, nada es mejor que un buen proyecto práctico para adquirir algunas habilidades aplicadas. Aprender a usar herramientas como scikit-learn, graphlab y / o visualización con d3.js o gephi no se enseñará en ninguno de estos cursos, pero probablemente será útil en un trabajo típico de ‘ciencia de datos’.
- ¿Cómo se obtiene el conocimiento de dominio requerido al obtener un título en matemática aplicada o ciencia de datos?
- ¿Qué lenguaje de programación debo aprender para comenzar primero con mi ruta autodidacta de Data Scientist: R o Python?
- ¿Qué se necesita para que los datos sean espaciales?
- ¿Los consultores de ciencia de datos / aprendizaje automático ganan más que los asalariados?
- ¿Cuál es la forma de explorar mis datos más fácilmente?