Estudié matemáticas e informática y actualmente estoy trabajando como científico de datos, aquí en Quora.
Algunas de las clases más útiles que he tomado en preparación para este papel han sido las clases de estadísticas. Específicamente, los que lo llevan más allá de los escenarios de modelado de libros de texto del primer año, es decir, modelos lineales. Si hay una buena clase en estadística no paramétrica y un curso sólido en estadística bayesiana, entonces creo que esto cubrirá algún material útil. Del mismo modo, si hay un curso de aprendizaje automático, esto será invaluable. El análisis de series de tiempo es un tema realmente candente en este momento, ya que la mayoría de los análisis de datos tienen un componente temporal, es decir, son series de tiempo, y si puede incorporar esto en su experimento o modelo, entonces tendrá una ventaja en el mercado laboral.
Para algunos cursos pragmáticos en el lado de la ingeniería, creo que una clase en bases de datos a gran escala con frecuencia sería útil. O simplemente cualquier clase de base de datos que pueda tomar, siempre que no sea impartida por un profesor horrible. Nunca hice esto y con frecuencia me arrepiento.
- ¿Qué le gusta de hacer ciencia de datos y aprendizaje automático?
- ¿Cuál es la mejor especialización de Coursera ML / Big Data?
- ¿Cuál es el historial de la base de datos?
- ¿Los Sistemas de aprendizaje natural, como Watson Analytics de IBM, alguna vez reemplazarán la necesidad de aprender código para un científico de datos?
- ¿Cómo utilizan las empresas de alquiler el aprendizaje automático?
Con respecto a la teoría de la medición, su posibilidad de usarla en un entorno profesional es increíblemente escasa. Sin embargo, le ayudará a comprender la probabilidad y, por lo tanto, las estadísticas en un nivel más concreto. Las clases de algoritmos se traducen directamente en la industria y creo que son realmente útiles: una parte bastante grande de la teoría de CS (creo que el contenido del ToC de Sipser) es menos útil en el día a día.
Habiendo dicho esto, creo bastante en dejar que tus intereses den forma a lo que estudias. Si crees que un tema es interesante y te apasiona, probablemente absorberás mucho más contenido. Tomé un curso de teoría de la información; los conceptos que Shannon pensó hace más de 60 años aparecen de forma aleatoria de vez en cuando y, aunque es difícil cuantificar su valor en un entorno profesional, parece una obviedad en retrospectiva. Sin embargo, si no lo encontrara fascinante, probablemente habría sido un desperdicio. Sentimientos similares para clases como análisis de redes, teoría de grafos, teoría de información cuántica, medida de probabilidad teórica, teoría de grupos y teoría de números que han capturado mi imaginación y entusiasmo en muchas ocasiones.
Elegiste bien con matemáticas / compsci: abre muchas puertas. ¡Buena suerte!
