No estoy seguro de qué tipo de respuestas está buscando, pero esto es lo que pensé:
Tengo algo de experiencia limitada con Data Science y Random Algorithms y tengo amigos que tuvieron experiencia con Time Series Analysis. Creo que la experiencia varía según la profundidad de tu excavación y tu fondo.
Descubrí que los aspectos básicos de la ciencia de datos tienen una curva de aprendizaje muy pronunciada debido a la falta de habilidades de probabilidad y estadística, y al no tener una base sólida en matemáticas computacionales. Al principio lo encontré muy abstracto hasta que finalmente “entendí” cuál es el propósito / objetivo y me di cuenta de que no es tan abstracto como pensaba. Además, una vez que aprendí un poco más sobre el análisis de datos estadísticos, los métodos numéricos y la optimización, los algoritmos comenzaron a tener mucho más sentido. Creo que es algo realmente interesante. No he tenido ninguna exposición en la industria, pero en un entorno académico, fue extremadamente interesante una vez que finalmente recuperó sus datos, los codificó correctamente, los limpió, etc., y llegó a las estadísticas reales, los modelos matemáticos y el aprendizaje automático. algos Pero esa es solo mi opinión.
- ¿Cómo es UPES School of Design Studies para M.Des.?
- ¿Cuáles son los hábitos de estudio diarios que puedo incorporar en mi horario?
- ¿Cómo empezar a centrarme en mis estudios en lugar de postergar y soñar despierto?
- ¿Recomendarías estudiar psicología a nivel de grado?
- ¿Vale la pena estudiar en IIT? ¿Realmente vale la pena 2 años de preparación vigorosa en la que prácticamente no tienes vida?
Cuando se trata de algoritmos aleatorios, la mayor parte de mi exposición fue desde un enfoque de teoría de la complejidad (un poco de: máquinas de Turing probabilísticas, reducciones aleatorias, clases BPP, RP, Co-RP, ZPP, etc.). Aparte de eso, he escrito un código para mi propio generador de números aleatorios de Mersenne Twister y la normalización adecuada para generar números distribuidos normalmente. El lado de la teoría de la complejidad de las cosas me pareció muy abstracto, lo que realmente me gustó (sobre todo porque lo encontré más intuitivo que otras cosas que estudié, como el cálculo estocástico). Creo que las personas que se sienten cómodas con los conceptos abstractos disfrutarían de esto. La teoría de la complejidad realmente cambió la forma en que veo las cosas porque hubo muchos momentos alucinantes en los que veía que la conexión entre las cosas que solía pensar eran animales radicalmente diferentes (especialmente cuando observaba las reducciones polinomiales y el cálculo cuántico).
Para el análisis de series de tiempo, no tuve ninguna exposición real / directa, así que no hay mucho que pueda decir. Amigos míos que tomaron una clase de posgrado sobre el tema me dijeron que era interesante. No es la clase más desafiante para ellos (de nuevo, había mucha más comodidad con las estadísticas que yo). Sin embargo, fue de gran ayuda para comprender los conceptos básicos de la ciencia de datos.
