Además del análisis numérico y los algoritmos de la informática, necesitaría un dominio de nivel superior de álgebra (lineal y abstracto), así como análisis (real y complejo) como la base para cualquier trabajo avanzado medio decente más allá de la importación y la ejecución una biblioteca que alguien más hizo.
Claro, puede salirse con la suya con un curso de aprendizaje automático de segundo año, pero no sabrá cómo resolver problemas más complejos con trucos del núcleo, ni dichos cursos le dirán nada sobre análisis de series de tiempo, FFT o modelos de Markov (y cuándo y cómo usarlos): conceptos que se usan en problemas un poco más difíciles en los que las herramientas básicas como los árboles de decisión C4.5 o ID3 y las SVM no se ajustan perfectamente.
Por lo tanto, depende de lo que intentes hacer:
- ¿Es necesario el conocimiento de AWS para la ciencia / análisis de datos?
- ¿Cuál es la diferencia entre un científico de datos y un profesional de inteligencia de negocios?
- ¿Es posible aprender el aprendizaje automático y la ciencia de datos a través de MOOCS y otras fuentes en línea o debería estudiar una maestría en CS?
- ¿Puedes trabajar remotamente como científico de datos?
- Cómo gestionar el big data
- Obtenga un trabajo lo antes posible: cursos en línea sobre ML y un curso básico de álgebra lineal de pregrado.
- Avanzar en un trabajo o hacer algo más allá de lo normal: al menos lo anterior
