Es muy sencillo.
Para todos los propósitos prácticos, DM es una opción mucho mejor.
Explicacion :
Pensando lógicamente, la construcción del compilador no es un campo muy popular. Es difícil pero casi no tiene uso práctico (si no está especialmente dirigido a este segmento). Además, si su programa de estudios es como la construcción del compilador en C , entonces este tema es solo una mezcla compleja de algos BFS y DFS, una gran cantidad de codificación en C y algún código de ML inevitable.
La única ventaja práctica es que ESTE ASUNTO SE REQUIERE EN EL EXAMEN DE GATE .
Otros profesionales son:
- ¿Cuáles son algunos ejemplos del mundo real de análisis predictivo?
- El ícono de Machine Learning Xavier Amatriain dejó recientemente Netflix para unirse a Quora como vicepresidente de ingeniería. ¿Qué hará él allí? ¿Qué hizo a Quora lo suficientemente interesante como para unirse? ¿Qué nos tiene reservado Quora?
- ¿Qué significa exactamente la ingeniería de características en el foro de Kaggle?
- ¿Qué debo aprender antes de seguir un curso de ciencia de datos?
- ¿Big Data es una gran BS?
- puedes aprender muchas técnicas de optimización y
- autocompilación, donde un compilador parcialmente construido (escrito en ML) construye sus otras partes compilando el lenguaje de alto nivel.
Data Mining es uno de los campos más populares e importantes en este momento.
Está relacionado con temas como inteligencia artificial, aprendizaje automático, redes neuronales.
La lista de profesionales es demasiado grande, sin embargo, algunos puntos importantes son:
- Muchas oportunidades para ganar experiencia y convertirse en un experto antes de lidiar con proyectos importantes. Por otro lado, debe sentirse cómodo trabajando con ML & C para comenzar incluso este tema, ya que la eficiencia, etc. son las principales preocupaciones.
- La minería de datos es un tema interesante y los conceptos son más fáciles de entender. Si no te gusta la codificación, te aburrirás en las clases de CC.
- etc.
