El problema con la gente de Data Science, como he observado recientemente, es que la gente piensa que somos un montón de charlatanes y que podemos ser reemplazados fácilmente.
Lo que no entienden es que la mayoría de los campos, que van desde la Arquitectura de Computadores (experiencia personal), la seguridad web hasta los autos autónomos, se han ampliado en eficiencia gracias al análisis de datos.
El análisis de datos es el presente, es el futuro. No es una nueva técnica o campo. Simplemente aplica lo que Andrey Markov y Thomas Bayes, entre otros matemáticos prominentes, nos dejaron hace varios años.
- ¿Cuáles son algunos buenos institutos de capacitación para aprender big data y análisis de datos en Bangalore?
- ¿Cómo se puede institucionalizar Analytics en una organización de telecomunicaciones?
- ¿El análisis de datos requiere programación?
- ¿Por qué tantos anuncios de trabajo para Big Data requieren habilidades de Excel?
- ¿El aprendizaje profundo está relacionado con la ciencia / análisis de datos? Si es así, ¿cuánto?
Recientemente, hemos adquirido poder de procesamiento para usar los métodos matemáticos en grandes volúmenes de datos y esto ha llevado a un auge en el campo de la ciencia de datos.
Sin embargo, los ingenieros en particular parecen despreciar la idea de que un grupo de personas que aplican principios matemáticos puedan lograr algo “real”. Para ellos, todo se trata del poder, la eficiencia. “Diseñemos la cosa y dejemos que se procese”. Se enojan cuando dices “mira de cerca y estás haciendo un montón de trabajo redundante”. Tomamos su condescendencia diaria, prosperamos, miramos más allá y mejoramos su trabajo. Afortunadamente, más personas están viendo que las matemáticas son aplicables en el mundo de la ingeniería “real”. Y parece que solo está mejorando (como con cualquier campo, tenemos un grupo de pseudo-intelectuales que se desarrollan junto con él; afirmo que no soy un experto, pero conozco a un experto cuando lo veo).
