Supongo que recién está comenzando el largo esfuerzo por convertirse en un científico de datos.
Por lo tanto, no me preocuparía por el rango en este momento, es decir, si fuera usted, me concentraría en aprender el Crux de los algoritmos y dónde se pueden aplicar diferentes algoritmos.
Iniciar el análisis de datos es relativamente más fácil en R, python, por otro lado, está creciendo rápidamente entre la comunidad, especialmente con paquetes como el flujo de tensor.
- ¿Qué cursos PG de tiempo completo o parcial en Big Data recomendarías?
- ¿Qué es la ciencia de datos? ¿Cuál es el alcance? ¿El análisis de datos y el análisis comercial son lo mismo? ¿Necesitamos estudiar programación?
- ¿Cuál es la diferencia entre Hadoop y big data?
- ¿Cuál es la mejor manera de automatizar el análisis de datos en línea?
- ¿Cuáles son los pros y los contras de una carrera en finanzas cuantitativas en comparación con una carrera en ciencia de datos para personas con antecedentes en física / matemáticas?
Por lo tanto, le recomendaría comenzar con un curso básico que lo borre de todas las palabras de moda relacionadas con este campo o con los vecinos adyacentes, a saber, análisis de negocios y big data.
Y en lo que respecta al rango, depende de qué conjunto de datos se proporciona y cuánto tiempo y esfuerzo podemos invertir en este momento …
Muchos modelos usan métodos de conjunto como bosques aleatorios, ya que son bastante potentes, muchas veces podemos ver que también se aplica el descenso de gradiente, y, a veces, puede poner una red neuronal y esperar un momento para la salida, muchas personas hacen esto si tienen suficiente tiempo en sus manos
Si eres completamente nuevo, puede ser difícil entender estas cosas, por lo tanto, la única forma es aprender algoritmos mediante la aplicación práctica en competiciones como kaggle u otros hackatones.