Definitivamente no duele. Muestra que tiene habilidades de codificación más allá de r / python. Si tiene estas habilidades de front-end porque creó aplicaciones web que funcionan con el aprendizaje automático en el back-end, mucho mejor. Significa que ha pensado cómo ML afecta la experiencia del usuario. De cualquier manera, podrá superponer mejor su trabajo profundo en datos con desarrolladores que exponen sus resultados dentro de productos del mundo real.
Personalmente, creo que todos los científicos de datos deberían tener experiencia escribiendo javascript. Es el lenguaje de Internet y no hay una mejor manera (actualmente) de superponer rápidamente en un front-end para su análisis. Las partes interesadas no interactúan con cuadernos o documentación; consumen a través de aplicaciones web. La ciencia de datos sin javascript es solo una idea en el vacío.
Como científicos de datos, necesitamos mostrar lo que los datos tienen para ofrecer y permitir a los usuarios no técnicos criticar nuestros análisis de una manera que no podemos hacer con las estadísticas. Botones, conmutadores y navegación fluida son la puerta de entrada a nuestros algoritmos.
- ¿Cuáles son las preguntas clave al crear un panel de datos?
- ¿Cuál es el requisito de hardware y software para la minería de datos?
- ¿En qué casos no podemos aplicar el análisis de datos (ordinarios) y tenemos que usar el análisis de datos topológicos? ¿Podrías dar un ejemplo concreto? ¡Gracias!
- ¿Cuál es el paquete de software más útil para aprender sobre pronósticos de series de tiempo y análisis de regresión?
- ¿Cuál es la diferencia entre data.frame y data.table en R (lenguaje de programación)?
