Busqué esta consulta y salí con una respuesta sólida.
Al ver que tanta gente sigue esta pregunta, decidí responderla yo mismo (aunque solo la he preguntado).
No puedes escapar de aprender discretamente de todos modos.
- ¿Qué deben saber los estudiantes graduados sobre los trabajos de la industria como científicos?
- ¿Se puede automatizar el análisis de datos?
- ¿Cuáles son las tecnologías actuales utilizadas en el análisis de datos?
- ¿Cuáles son las características principales de un sistema de minería de datos?
- ¿Cuáles son algunos escenarios de "big data"?
Al ser un analista / científico de datos, debe estar bien versado en Estadística (tanto descriptiva como inferencial), solo las matemáticas discretas lo ayudarán aquí. Un poco de cálculo podría facilitar su tarea en la parte continua de Probabilidad.
El cálculo multivariado solo es importante para aquellos estudiantes interesados en el aprendizaje automático. ML requerirá que aprendas álgebra lineal y cálculo de MV como requisito previo.
Es fácil. Hay muchos recursos disponibles para aprender ambos. Difícilmente te llevará 12 semanas si sigues el curso correctamente.
MIT Ocw es un gran lugar para comenzar a aprender todas las matemáticas necesarias para la ciencia de datos.
Edx también tiene listados de MITx para Matemáticas discretas.
Sigue eso.
Por último, diría: en este campo de ciencia de datos que avanza rápidamente, si aprendes eligiendo, ya estás perdiendo.
Aprende todo lo que hay ahí fuera.
Tienes que ser un “científico” después de todo 🙂
