Como usted señala, el objetivo real de la ciencia de datos es idear métodos algorítmicos para probar hipótesis y / o encontrar nuevos patrones en diferentes dominios. Sin embargo, creo que la ciencia de datos puede considerarse un campo independiente en sí mismo porque muchos algoritmos estadísticos que pueden aplicarse a problemas en un dominio también pueden aplicarse a problemas similares en muchos otros dominios. Por ejemplo, algunos algoritmos del Modelo de mezcla utilizados por los físicos para estudiar las ‘formas de chorro’ producidas por colisiones en un supercollider son en realidad muy similares a los algoritmos del Modelo de mezcla utilizados para ayudar al reconocimiento facial en la visión por computadora.
Por supuesto, cada problema dentro de cada dominio requerirá un enfoque personalizado para analizar sus datos, pero sin embargo, el hecho de que un ‘conjunto central’ de algoritmos de ciencia de datos se pueda ajustar para analizar datos de muchos, muchos campos diferentes hace que sea útil conceptualizar los datos. la ciencia como perteneciente a su propio campo de estudio.
- ¿Los datos de "blanqueo" son un proceso muy costoso?
- ¿Cómo se transfiere una persona trabajadora a tiempo completo a la ciencia de datos?
- ¿Cuáles son las cosas clave que busca en una lista de trabajos de Ciencia de datos / Aprendizaje automático?
- ¿Qué tan importante es SAP en la minería de datos?
- ¿Cuál es la proporción de creatividad vs trabajo de rutina en ciencia de datos?
