Usaré enlaces a descripciones de los cursos que tomé en mi universidad para que tengas más que referir que solo mis palabras. Obviamente, esto variará entre las universidades, pero espero que esto ayude a tener un poco más de sentido. Supongo que has eliminado la mayoría de las cosas introductorias (cálculo, etc.).
Había tres tipos de clases que me parecieron útiles:
1) cosas de matemáticas
- ¿Cuál es el subconjunto más grande de la serie armónica que converge?
- ¿Es genial darse cuenta de la razón detrás de una teoría o resolver problemas en el contexto de las matemáticas?
- ¿Cuáles son algunos ejemplos interesantes de enunciados matemáticos que no son ciertos porque existe exactamente un contraejemplo?
- ¿Cómo puedo encontrar [matemáticas] 1+ (1 + x) + (1 + x + x ^ 2) + \ cdots + (1 + x + x ^ 2 + \ cdots + x ^ {n-1}) [/ matemáticas]?
- ¿Cuál es el mayor número real que es menor que uno?
Análisis real, del cual tomé las primeras dos de tres partes: las pruebas realmente ayudan a programar porciones de entrevistas técnicas. Para comprender algunas de las partes más conceptuales de ML, el análisis real le brinda una base útil para sumergirse en las matemáticas mientras sus compañeros gritan con horror. Las pruebas aquí también lo obligan a comunicar sus ideas con claridad, lo cual es una gran parte de ser un científico de datos.
Álgebra lineal: ¡absolutamente esencial! Tomé uno que se centró más en los conceptos, y otro que se centró en el cálculo matricial. Ambos son realmente útiles para aprender sobre ML, así como el maravilloso mundo de la computación numérica en general.
Matemáticas discretas, ambas partes de las cuales tomé: nuevamente, realmente ayuda a programar entrevistas. Si prueba pasantías de ingeniería de software antes de hacer ciencia de datos, esto debería ayudar.
Historia de las matemáticas: tuve que escribir mucho en esta clase, y esto mejoró mi capacidad de transmitir ideas a los demás.
Estadísticas: tomé (¿solo?) Dos clases de estadísticas en mi licenciatura, una clase de introducción y una clase sobre modelos lineales mientras estaba en intercambio. Siento que obtener el tipo de intuición de probabilidad tomó más que estas dos clases, y es algo que todavía estoy tratando de mejorar hoy.
Hasta cierto punto, las clases que tomé en ecuaciones diferenciales ordinarias y parciales no eran directamente aplicables, pero sí te dan más comodidad con el cálculo pesado de las matemáticas, lo que hizo que mi curso de ML fuera mucho más fácil de digerir.
2) Programación / Computación
Tomar bases de datos fue definitivamente útil, ya que le enseña cómo escribir consultas y un poco sobre cómo funcionan las bases de datos. Podría decirse que podría aprender a escribir SQL sin este curso, que fue el caso para mí ya que lo aprendí de otra pasantía antes de tomar esta clase. Dicho esto, todos los otros conceptos en ese enlace son buenos para saber en caso de que las cosas salgan mal.
Compiladores: algunas personas pueden estar en desacuerdo, pero esta clase me pareció realmente útil ya que me ayudó a mejorar mis habilidades de programación / implementación. Especialmente si vienes con más conocimientos matemáticos, es posible que una clase como esta sea realmente útil para poner al día tus habilidades más “prácticas”. Aprender a contribuir a una gran base de código puede ser útil si eres un científico de datos, independientemente de si estás construyendo cosas para la producción.
Algoritmos: tomé dos clases diferentes sobre esto, y aunque no se relaciona directamente con el trabajo con conjuntos de datos, puede ser una herramienta útil para pensar en la complejidad del código que puede estar escribiendo para que su análisis se ejecute de manera eficiente.
3) ¡Lo divertido!
Si ha llegado hasta aquí, probablemente esté preguntando “¿qué pasa con el aprendizaje automático?” Las clases a continuación fueron las que me dieron una idea de la ciencia de datos antes de realizar una pasantía como científico de datos.
Aprendizaje automático: no hay mucho que pueda decir sobre esto que no se haya dicho en todas partes en Quora. Esta fue mi primera exposición al trabajo con conjuntos de datos reales. Si puede obtener un proyecto o dos en su haber de esta clase, solo puede mejorar su solicitud de empleo 🙂
Minería de datos: más sobre encontrar patrones en lugar de hacer predicciones. De nuevo, ¡hay muchas cosas en Quora sobre esto!
Esperemos que ninguno de los enlaces esté muerto cuando leas esto. ¡Siéntase libre de dejar un comentario si tiene más preguntas!
