Definitivamente no pierdas la oportunidad de unirte a la clase gratuita de Estadísticas para Analytics mañana a las 7:30 pm Registro, que es la primera clase del programa acelerador de Analytics de 1,5 meses de duración. Certificación del acelerador de análisis: R, SAS, Tableau y Microsoft BI
Citando de mi respuesta reciente sobre quora:
Todos quieren ser científicos de datos, pero la realidad es que hay muchos más trabajos en la industria analítica que no llevan la etiqueta de científico de datos.
- ¿Cómo funciona la minería de datos en el caso de datos faltantes?
- ¿Cuál es la diferencia entre análisis prescriptivo y ciencia de datos?
- ¿La 'arquitectura lambda' sigue siendo la mejor manera de construir canalizaciones de datos a gran escala (en 2017) o ha sido reemplazada por otras arquitecturas?
- ¿Cuán vital será la ciencia de datos en los próximos diez años?
- ¿Qué se considerará más respetable, un puesto de ingeniería de ciencia de datos en IBM Watson o Google?
(por ejemplo, los servicios bancarios y financieros tienen miles de trabajos en análisis de pan y mantequilla usando modelos predictivos en SAS, Tableau y Excel)
Paso 1: Comprenda los diferentes tipos de análisis
Paso 2: Comprenda las diversas aplicaciones de la industria.
Paso 3: ¡Primero aprenda los fundamentos de análisis!
Ver el vídeo
Paso 4: Únase a la clase gratuita sobre estadísticas para análisis por el líder real de la industria analítica utilizando el enlace Registro, que forma parte de las clases en línea en vivo del programa acelerador de análisis de Equiskill. com (hay clases grabadas solo para aquellos con alto nivel de automotivación y que no buscan interacción con el profesorado en curso y universidad)
Paso 5: Vaya a aprender Hadoop y Python. Sugeriré un gran lugar para aprender esto de corporaciones en vivo aparte de Coursera y todos los que tienen cursos grabados y menos interacción y apoyo profesional. Por favor escríbeme una vez que llegues al paso 5
