¿Es posible que alguien con experiencia en artes liberales ingrese a Big Data?

Answer 1

Parece que Big Data es una especie de disciplina informática y matemática: el manejo de los datos es computacionalmente intensivo y un poco difícil de implementar. Encontrar ideas y analizar conjuntos de datos es un ejercicio estadístico igualmente desafiante.

Alguien con un fondo de artes puramente liberales probablemente carecerá de las habilidades técnicas necesarias al principio para disfrutar de cualquiera de ellos.

Sin embargo , es fundamental no olvidar la razón original detrás de Big Data, algo que se pierde fácilmente debajo de todas las matemáticas y algoritmos. Big Data se trata de aprovechar más información para obtener mejores respuestas y no de respuestas engañosas o unilaterales .

Ejemplo: es fácil para una ciudad como Nueva York elegir una métrica, como las tasas de criminalidad, y aprovechar Big Data de todo tipo de campos para reducir la incidencia de esa métrica, es decir, combatir el crimen. El desafío está en:

• asegurándose de que la métrica no se reduzca por sí misma, sino que siga siendo una métrica precisa en primer lugar. Centrarse en una sola métrica puede sesgar las ambiciones individuales hacia este objetivo a expensas de descuidar otros aspectos no medidos.
• Recordando que esta métrica es parte de un sistema complejo más grande con muchos lados y facetas.
• Recordando los problemas asociados, como la privacidad en el uso de datos, problemas relacionados con la propiedad de los datos, etc.
• Elegir las métricas apropiadas en primer lugar

Otro problema en sistemas complejos es la calidad de los datos. Los datos a menudo están incompletos y a veces simplemente están equivocados. Estas ideas no se pueden encontrar únicamente dentro de los datos, sino que requieren una comprensión del contexto.

Comprender y abordar estos problemas siempre requerirá una formación en artes liberales y una capacidad de pensamiento multidimensional. No es solo destreza de ingeniería …

Entonces si

Answer 2

Respuesta corta, “Sí”.

Comience tomando algunos MOOC relevantes.

Encuentre o recopile algunos datos significativos para usted y analícelos.

Trate de encontrar personas con ideas afines para trabajar con el fin de explotar la perspectiva interdisciplinaria con la ayuda de sus antecedentes.

Considere inscribirse en “campamentos de entrenamiento”, por ejemplo, Galvanize * o escuela de posgrado.

Todo esto puede llevar tiempo, pero una gran parte de ser un científico de datos exitoso es adquirir experiencia relevante.

Buena suerte; si te gusta el trabajo, no te rindas.

---

• Divulgación: solía dar conferencias, ocasionalmente, en Galvanize.

Answer 3

generalmente en la educación superior