2017.04.20 Женя  А чтобы заниматься аналитикой в других областях, нужны спец.знания в этих областях.
Умение ставить и решать задачи по Тер.веру и Моделям - это не наука, наука - это при помощи этого решать прикладные или фундаментальные задачи. Все остальное туфта. Хотя за всю историю половина фундаментальных задач через прикладные.
Т.е решение такой задачи как "семантическая разметка изображения" все-таки наука? Само использование data science для предсказания продажи сим-карт не делает, использующих это людей научными сотрудника, но и не делает эту дисциплину менее наукоёмкой.
2017.04.19Женя Я знаком с регрессионным анализом в рамках теории вероятностей и построение моделей для корреляционного анализа, аналогично с нормами и функциями потерь.
Вернемся к истокам. Вы сказали, что
"Прикладное значение data science требует научных знаний не в области математики, а в областях, где будет это использоваться".
Так нормы, функции и регрессионный анализ уже не являются научными знаниями? Или теория вероятностей не является математикой?
2017.04.19Женя А где там наука?
Хоть одну проблему реально актуальную - не превращение огурцов в солнце озвучьте.
Улучшение сходимости методов поиска точки максимума? Использование методов машинного обучения для семантической разметки изображений? Тысячи актуальных проблем.
2017.04.19Женя Прикладное значение data science требует научных знаний не в области математики, а в областях, где будет это использоваться
Как сделать выбор между линейной и логистической регрессией? В чем разница между первой и второй нормой? Как оценить качество функции потерь?
И это только первые вопросы, которые пришли в голову. И это математика, да.
2017.04.19Женя Вы техническое образование получали в Китае?
(я гуманитариев люблю - технари в последнее время зазнались  так как пи прочих равных везде головой работать надо, но ребята с мехмата считают, что они особенные, потому что их научили значки рисовать и чуть-чуть прокачали в алгебре, а кого-то даже ругаться на C Sharp. Говорят, даже у кого-то опыт был в Mail Group, а иногда даже к стажировкам в Газпромавтоматизации допускали за то, что экзамен выше 3 сдавали.)
На счет содержательной профессии - это связь с наукой?Ну исходя из опыта работы - науки тут все меньше и меньше, но ручками ботов в Telegram писать или доказывать, что зимой на улице холодно с большей вероятностью - можно научиться. Стоп....Можно бота для транспортных задач написать дороже чем ребят из Белоруссии.
Если содержательная профессия - это умение создавать что-то руками (как думали хиппи), то лучше промышленного дизайна ничего нет, но тут китайский не нужен особо - тут курсы нужны. IT-специалисты ничего особо не создают в РФ или КНР, чаще пользуются, вот в США или Скандинавии, Шотландии - это да.
Был бы я инженером - и заканчивал бы робототехнику, обязательно бы ушел в медицинское оборудование, но так Data Science не от хорошей жизни или вдруг у меня здоровья, денег много или родители на репетиторов потратили состояние - нет, просто востребовано будет ещё лет 10. А я из себя альфа-самца корчить уже не хочу, инженер-конструктор из меня получиться только к 60 годам, когда мне реально станет наплевать на деньги и карьеру и я буду сидеть в Autodesk, придумывать всякие марсаходы или новые танки - зависит как настроение сложиться.
Как зазнавшийся технарь, скажу, что data science все еще остается достаточно наукоемким направлением. То, что программистам дали возможность использовать эти инструменты в два клика, никоим образом не уменьшило связь с наукой в этой области. Это не бум веб-разработки, где писать сайты может каждый школьник.
Data Science - это скорей 数据科学。
1. Откройте учебник по линейной оптимизации на китайском. Если поймете, то получится учиться.
2. 清华， 北大， 上海交通。 В общем, смотреть Топ-5 по Computer science в Китае.
|
faket
