¿Necesito ecuaciones diferenciales para la ciencia de datos?

No. bueno, tal vez. Pero sobre todo, no.

La ciencia de datos es un término que se supone que abarca el uso de datos de extremo a extremo en aras de la descripción, predicción y / o prescripción. La forma en que llegamos implica adquisición de datos e ingeniería, exploración, modelado, visualización, optimización, etc.

Las ecuaciones diferenciales podrían usarse potencialmente para modelar. Lo hice cuando necesitaba modelar la velocidad de ventas. Pero la mayoría de los modelos en ciencia de datos se basan en el aprendizaje automático, que se basa en la optimización, las estadísticas y la informática.

Diferentes científicos de datos necesitan diferentes herramientas para diferentes problemas, dependiendo de cuán útil sea una herramienta para resolver ese problema. Las ecuaciones diferenciales son buenas para resolver problemas en economía, finanzas, física e ingeniería. Si te conviertes en un científico de datos en cualquiera de esos campos, es probable que necesites conocer ecuaciones diferenciales. De lo contrario, es probable que nunca los uses.

Claro, por ejemplo: Todos los métodos de Backpropagation se basan en ecuaciones deferentes, por lo que es un requisito previo obligatorio.