Educación y ciencia de datos Información de la ciencia de datos global, cursos y carreras que te ayudan a mejorarlo 
El autor comparte algunos aspectos importantes del aprendizaje automático aplicado que se pasan por alto en la formación formal en ciencia de datos.
Viajar Si cree que he usado un título de clickbaity para este artículo, estaré de acuerdo con usted, ¡pero escúcheme! He dirigido a muchos jóvenes científicos de datos a lo largo de los años y durante los últimos años he estado impartiendo un curso de ciencia de datos aplicada a estudiantes de maestría y doctorado. La mayoría de ellos tienen grandes habilidades técnicas, pero cuando se trata de aplicar el aprendizaje automático a problemas empresariales del mundo real, me di cuenta de que existen algunas lagunas.
A continuación hay cinco cosas que quiero que los científicos de datos tengan en cuenta en un contexto empresarial:
- Piensa dos veces en el objetivo
- Lidiar con el desequilibrio
- La prueba debe ser fiel a la vida.
- Utilice métricas de rendimiento significativas
- Los puntos importan, o no
¡Espero que leer esto ayude a los científicos de datos junior y senior a hacer crecer sus carreras!
En este capítulo, me centraré en un escenario en el que los científicos de datos tienen la tarea de implementar modelos de aprendizaje automático para predecir el comportamiento de los clientes. Vale la pena señalar que los conocimientos también se pueden aplicar a escenarios que involucran el comportamiento del producto o del sensor.
lEmpecemos por lo más crítico: «qué”es lo que estás tratando de predecir. Todos los pasos posteriores (limpieza de datos, preprocesamiento, algoritmos, ingeniería de funciones, optimización de hiperparámetros) son inútiles a menos que se concentre en el objetivo correcto.
Para que sea viable, el objetivo debe representar un comportamiento, no un dato.
Idealmente, su modelo está alineado con un caso de uso empresarial, donde las acciones o decisiones se basarán en su resultado. Al asegurarse de que el objetivo que está utilizando sea una buena representación del comportamiento de un cliente, será más fácil para la empresa comprender y utilizar los resultados de estos modelos.
