Qué matemáticas necesito para Data Science
La Sabiduría Artificial y el Estudio Automático (de ahora en adelante, Estudio Automático, ML) son conceptos de tendencia que bastante gente están con intereses en estudiar. En el momento en que empezamos a estudiar ML, observamos que hay puntos de programación y asimismo existen muchas bibliotecas o marcos que nos tienen la posibilidad de asistir en el trabajo duro, como Tensorflow o scikit-learn. Pero en algún momento asimismo aparecerán las temibles Matemáticas, precisamente esas que creíamos que no deberíamos regresar a usar desde la temporada de la Facultad.
Pero no tenemos la posibilidad de rendirnos, poseemos 2 buenas novedades para sostenernos con esperanzas. La primera es que existen muchos elementos y documentación para estudiar o comprobar Álgebra, Estadística o Cálculo. Y si todavía andas en la Facultad y andas entusiasmado en ML, es bastante superior pues en este momento terminantemente vas a ver los usos reales de los conceptos y términos explicados en estas clases. La segunda buena nueva es que no va a ser preciso estudiar todos y cada uno de los conceptos matemáticos de un campo preciso, solo va a ser preciso entender ciertos concretos (como es natural, en dependencia de cuánto tiempo desees reforzar en el tema).
¿Qué es un científico de datos?
El científico de datos se hace cargo de examinar y investigar datos de una extensa variedad de fuentes distintas, comunmente gigantes y con construcciones muy distintas. También, el científico de datos debe tener visión de negocio, para lograr obtener sugerencias y comunicarlas a los clientes de su compañía.
Las tareas que efectúan los científicos de datos son:
¿Qué es un científico de datos?
Un científico de datos es alguien que tiene argumentos de matemáticas, estadística y métodos de optimización, que conoce idiomas de programación y además de esto tiene experiencia práctica en el análisis de datos reales y modelos predictivos a desarrollar.
Es esencial aclarar que no es requisito especializarse en matemáticas puras para realizar proyectos de ciencia de datos. Se puede decir que la ciencia de datos se distribuye en 2 enormes áreas de trabajo: investigación y producción.
Matemáticas y modelos predictivos
Indudablemente, el trabajo mucho más popular de un científico de datos son los modelos predictivos y la utilización de algoritmos. En el momento en que charlamos de modelos predictivos, entre los componentes mucho más negativos es la considerable suma de elementos y cambiantes que no nos dejan adivinar al cien% lo que pasará. Pero merced a las matemáticas es viable detectar un grupo de ocasiones que tienen una alta posibilidad de suceder y se tienen la posibilidad de llevar a cabo varias cosas.
Con los modelos predictivos asimismo es viable hacer sistemas de alarma que avise si hay cambios inopinados en el accionar de las métricas fundamentadas en el historial. Para esto, el modelo “mira” lo sucedido antes para avisar que la predicción llevada a cabo en ese instante no se está cumpliendo y reaccionar a tiempo. Este modelo incluye técnicas estadísticas como el cálculo de la varianza y el cálculo de la desviación estándar, que no solamente se centra en fijar un porcentaje, sino asimismo tiene presente otras cambiantes para saber si hubo algo importante.
