Te animo a tomar el curso de procesos estocásticos. Si tiene la intención de trabajar mucho con la maquinaria para absorber, generar o predecir en línea con big data, comprender el comportamiento de los sistemas como un gran sistema de colas es esclarecedor. Las cadenas de Markov, etc., son esclarecedoras para comprender lo que sucede en algoritmos de búsqueda aleatoria como metrópolis, recocido simulado, etc. También abrirá un gran agujero en la mitología y la tradición del ‘pagerank’. Ambos son fundamentales, pero pocos tipos de CS parecen conocer bien estos temas.
Sin embargo, es difícil discutir con la combinatoria. La teoría de los gráficos está de moda en este momento debido a la exageración de los gráficos sociales, así que agarra o sé un contrario y ve hacia el otro lado
Nota de seguimiento: una vez que comience a construir algs que deambulan explícita o implícitamente en gráficos, ambos temas del curso tendrán alguna aplicación.
- En términos simples, ¿qué son exactamente Apache y Hadoop, y qué importancia tienen para los grandes datos y la ciencia de datos?
- ¿Qué habilidades y práctica necesito para ingresar al campo de la ciencia de datos? Además, ¿cuáles son las diferentes oportunidades y opciones para lo mismo?
- ¿Cuáles son los procesos involucrados en el Servicio de refinamiento de datos?
- ¿Qué es una explicación intuitiva de la pseudoreplicación?
- Cómo aprender ciencia de datos sin conocimientos de matemáticas
