Soy parcial, así que diré ciencia de datos. Aún no se ha aprovechado todo el potencial de la ciencia de datos, mientras que la programación ha estado funcionando por un tiempo. Las empresas están multiplicando sus esfuerzos de análisis de datos y las personas que vienen equipadas con esta habilidad están seriamente limitadas. También vale la pena mencionar que necesita habilidades de programación para convertirse en un científico de datos, pero no al revés. Otra razón por la que prefiero la ciencia de datos a la programación es porque la ciencia de datos es simplemente más emocionante. La ciencia de datos ha cambiado la forma en que empresas como Uber y Amazon hacen negocios y varias empresas ahora se están dando cuenta de la importancia del análisis.
Hay muchos recursos que guían a las personas sobre cómo convertirse en científicos de datos y otros conceptos relacionados.
¡Espero que esto ayude!
- ¿Cuáles son algunas buenas conferencias en video sobre aprendizaje automático y aprendizaje profundo?
- ¿Qué tipo de preguntas de prueba A / B debo esperar en una entrevista con un científico de datos y cómo debo prepararme para esas preguntas?
- ¿Qué tan importante es el lenguaje de programación R hoy en día? ¿Debo continuar tomando un curso que enseñe el aprendizaje automático a través de la programación R, o ir al curso convencional de aprendizaje automático de Stanford?
- ¿Cuál es la diferencia entre Python y las herramientas de minería de datos como Knime y Rapid Miner?
- ¿Qué tipo de método de análisis estadístico usaría para analizar la significación estadística de los datos de 2 variables discretas?