A2A’ed:
Sí, hay un aumento repentino en los científicos de datos, especialmente alrededor de Silicon Valley (tengo curiosidad por saber qué tan popular es esto en la costa este y fuera de los EE. UU.). La “ciencia de datos” de hoy no era realmente posible hasta que aparecieron grandes avances en CS y se hizo accesible: almacenamiento en la nube, reducción de mapas, procesamiento paralelo. Ahora los analistas están trabajando para ponerse al día con sus contrapartes de ingenieros de datos mediante el uso de más modelos, algoritmos, etc. para organizar e interpretar los datos.
Una razón por la cual DS se ha vuelto tan popular es que hay proyectos algorítmicos que pueden ahorrarle a una compañía millones de dólares cada año. Ahora mismo trabajo en uno para Netflix, pero un ejemplo más fácil de entender es RTB: ofertas en tiempo real. Las empresas están descubriendo que sus anuncios en línea son (naturalmente) efectivos para ciertos tipos de personas, y no son efectivos para otros. Quieren minimizar su exposición a las personas que no se preocupan por los anuncios y maximizar la exposición a aquellos que sí lo hacen. Tradicionalmente, las empresas gastan millones cada mes en publicidad en línea, y es muy probable que se desperdicien millones de dólares. Un buen marco RTB requiere mucha ingeniería para el almacenamiento de big data, y muchos análisis para comprender patrones variables en el tiempo, patrones geográficos variables y otros matices específicos del negocio.
- ¿Cómo es el MTech en Data Science en SEAS, Universidad de Ahmedabad?
- ¿Habrá algún problema para obtener F1 VISA para el programa de ciencia de datos de 1 año GalvanizeU, San Francisco?
- ¿Cuáles son las últimas informaciones de big data?
- ¿Cuál es el mejor para un científico de datos / curso analítico y certificaciones, Coursera o Udemy?
- ¿Cuáles son algunos métodos básicos / comunes utilizados para resumir datos?
Sí, las personas ingresan a DS desde muchos dominios diferentes. En Netflix tenemos matemáticos, estadísticos, físicos, neurólogos e investigadores de operaciones. Un científico de datos solo necesita una mente matemática. Data Science también es inherentemente interdisciplinario, ya que aplica modelos a áreas muy diferentes del negocio, por lo que tener un equipo de DS con diversos antecedentes es extremadamente útil. Los científicos de datos de Netflix admiten publicidad, recomendaciones / personalizaciones, finanzas / pagos, planificación de contenido e incluso servicio al cliente. No diría que hay una “crisis” para DS, simplemente es preferible tener diversidad en su equipo.
