Realmente depende de si este es un puesto de científico de datos que es un puesto de analista de datos disfrazado o si es un puesto de ciencia de datos real. Asumiré lo último y diré que requiere una comprensión bastante buena del aprendizaje automático.
Su pregunta fue “¿Deberían poseer suficiente conocimiento para diseñar nuevos algoritmos”? No, probablemente no. La mayoría de los puestos de ciencia de datos se trata de encontrar patrones en los datos y usar esos patrones para resolver un problema de negocios. Estás pensando más en la línea de un ingeniero de aprendizaje automático. E incluso entonces, normalmente se centran en implementar algoritmos preexistentes en la producción en lugar de crear nuevos algoritmos.
Esto puede llevar a la pregunta “¿cuánto ML necesito saber”? Bueno, probablemente debería saber lo suficiente para comprender los algoritmos que está utilizando y comprender cuándo funcionan y cuándo no. La razón es porque los mejores científicos de datos pueden resolver la mayor cantidad de problemas en el menor tiempo posible, creando una gran cantidad de valor para el negocio. No es una tarea fácil; pero comprender los algoritmos que está utilizando puede ser de gran ayuda con este esfuerzo.
- Tengo un conjunto de datos (audios y transcripciones), necesito saber cómo entrenaré estos datos para crear un modelo acústico que se utilizará para un reconocimiento de voz.
- ¿Cuáles son las próximas competencias de Kaggle?
- ¿Cómo se puede aplicar el aprendizaje profundo a los sistemas de recomendación en el mercado de valores?
- ¿Hay alguien aquí que pueda darme una lib correcta para R-Tree en Java?
- ¿Qué está haciendo Wavii con el aprendizaje automático para redefinir cómo se realiza la búsqueda en la web?