Hay una historia corta maravillosa de Tolstoi sobre cuánta tierra necesita un hombre (respuesta rápida: no tanto).
Lo mismo se aplica en R. El éxito empresarial no proviene de escribir código (la comunidad en su conjunto tomó una decisión consciente de que los paquetes más sexys deberían ser de código abierto, es decir, gratuitos). Viene de poner tu aprendizaje en práctica.
Obtener las respuestas correctas es fácil, en comparación con hacer las preguntas correctas.
- ¿Cuáles son las alternativas a los cursos como Big Data?
- En análisis en línea, ¿cómo se prueban 'miles de puntos de datos'?
- ¿Cómo es trabajar como científico de datos en Walmart Labs?
- ¿Cuáles son los mejores recursos gratuitos para nuevos desarrollos en aprendizaje automático y ciencia de datos?
- ¿Cómo es el programa inmersivo de ciencia de datos en Galvanize Denver? ¿Vale la pena?
Para elaborar un poco: para muchos problemas estándar hay paquetes preparados, y su problema principal es “mezclar y combinar” seleccionando los adecuados como un montón de ladrillos de Lego (algo así como “hay una aplicación para eso” cuando se habla de su teléfono inteligente, generalmente lo hay). La parte más lenta de un proyecto es obtener y limpiar los datos; esto es imposible de externalizar a un paquete, pero no es exactamente ciencia espacial.
La parte difícil para usted como propietario de un negocio será explicarle a un cliente que debe pagarle un salario digno, en lugar de darle una pasantía no remunerada a un candidato a doctorado ansioso por practicar un poco y un poco de exposición.
