Sí definitivamente. La antítesis de este argumento es que los robots esencialmente entrarán y se harán cargo del campo, sin dejar espacio para los científicos de datos humanos.
Ahora, la automatización en la ciencia de datos es una gran cosa, excepto cuando no lo es.
Usemos esta analogía. Hoy en día, los aviones están más automatizados que nunca y prácticamente pueden volar solos. Sin embargo, todavía tenemos tripulación presente en cada vuelo. ¿Por qué? Porque la automatización puede fallar, y ha fallado. Y cuando lo hace, las consecuencias pueden ser enormes.
- ¿Cuánto se relacionan estos términos como ciencia de datos, aprendizaje automático, inteligencia artificial e internet de las cosas con el mundo venidero? ¿De dónde puedo aprender estos temas? ¿Cuánto están relacionados con la ingeniería de comunicación electrónica?
- ¿Qué empresas están haciendo aprendizaje automático real en lugar de ciencia de datos hacky?
- ¿Cuál es la diferencia entre Data Warehousing y Big Data Analytics?
- ¿Es importante un curso de diseño y análisis de algoritmos para una carrera en análisis de datos?
- ¿Qué es más preferible en el aprendizaje automático, la precisión del modelo A es del 50% en los datos de entrenamiento y del 97% en los datos de las pruebas, o el modelo B tiene una precisión del 80% en los datos del tren y el 75% en los datos de las pruebas? (Más detalles en el comentario abajo) gracias!
La ciencia de datos y el aprendizaje automático, a pesar de todas sus fortalezas, siguen siendo fundamentalmente retrospectivas. Dependen de datos anteriores y no necesariamente explican los cambios en las tendencias futuras de datos. Por lo tanto, la capacidad de predicción de una máquina es tan buena como la humana que la programó.
Si bien los científicos de datos deben ser expertos en codificación y conocimiento estadístico, el verdadero valor de un científico de datos es poder utilizar los datos de una manera innovadora. Desde mi experiencia, no hay dos conjuntos de datos iguales y el enfoque en el modelado de cada uno será diferente. Aquí es donde entra en juego una persona con conocimientos estadísticos y de programación y habilidades creativas para resolver problemas .
Las computadoras pueden sobresalir en el primer requisito, no en el segundo. Entonces sí, los científicos de datos seguirán teniendo mucha demanda.