La diferencia entre Data Mining y Machine Learning es a veces vaga.
Así es como lo veo: la gente usa técnicas de ML dentro de la minería de datos como parte del proceso. El proceso también incluye la comprensión del negocio, la comprensión de los datos, la preparación, la evaluación y la implementación de los datos (eso es del Proceso estándar de la industria cruzada para la metodología de minería de datos)
No estoy seguro de por qué no te gusta la minería de datos, pero hay campos en los que un investigador de ML solo se ocupará de ML y no del resto. Un ejemplo de este campo es el reconocimiento de voz (en algunos casos), la visión por computadora (en la mayoría de los casos) y el procesamiento de señales.
Si los encuentra interesantes, entonces un alto grado en ML ciertamente ayudaría.
EDITAR:
SQL es una habilidad como todas las demás. Si crees que eres malo en eso, no significa que no puedas ser un experto en el futuro. No permita que su experiencia SQL actual le haga desagradar la minería de datos. Además, hay muchos escenarios en los que un minero de datos no maneja SQL en absoluto, por ejemplo, en bases de datos No-Sql.
- ¿Cuál tiene una mejor oportunidad de carrera, desarrollo web, estructuras de datos, codificación algorítmica, ciencia de datos o algo más para un estudiante de BTech CSE en cuarto año en India?
- ¿Existe un sitio web / lista de correo donde publican postdocs para la ciencia de datos, más aún en Europa? Definitivamente hay una lista de correo para el aprendizaje automático.
- ¿Cuáles son las habilidades necesarias para la ciencia de datos?
- ¿Cuáles son los casos de uso de Docker en Data Science y Machine Learning?
- ¿Cuáles son algunos libros que debe tener un científico de datos?