10 artículos de ciencia de datos imprescindibles de septiembre de 2017

El ciencia de los datos industry is quickly finding applications in a variety of disciplines ranging from biotecnología a ciencias sociales. It’s revolutionized the way we make decisions both as businesses and researchers. Data science is currently the ‘best job in America’, according to Glassdoor. The amount of data that we collect is mind-boggling, not only through traditional ways but also through digital platforms and social media. Análisis de datos, visualization and interpretation are skills that are in high demand — and experts often specialize in specific disciplines such as computer science or even astrofísica. At Kolabtree, we’ve helped project owners find highly qualified freelance expertos en ciencia de datos para ayudarles a analizar un conjunto de datos o escribir un algoritmo, y esto es una prueba de que las organizaciones adolecen de un déficit de competencias o recursos en este campo.

Data scientists need to keep themselves updated on the latest investigación and developments in the field to stay on top of their game. Here is a curated list of the top 10 articles from September 2017 that we think is necessary reading.

1. Estas son las 10 habilidades que necesitas para convertirte en un científico de datos, el trabajo núm. 1 en Estados Unidos
(Alison DeNisco, TechRepublic)

2. El abismo de la analítica 
(Jon Evans, TechCrunch)

3. Una nueva herramienta utiliza el aprendizaje automático y la inteligencia artificial para mejorar las operaciones de TI
(Bernard Marr, Forbes)

4. Diferencia entre aprendizaje automático, ciencia de datos, IA, aprendizaje profundo y estadística
(Vincent Granville, Data Science Central)

5. Llega una Wikipedia para las visualizaciones de datos
(Katharine Schwab, Co.Design)

6. Si quiere mejorar sus conocimientos de análisis de datos, ¿qué lenguaje de programación debería aprender? R vs Python] (Dan Kopf, Quartz)

7. 30 hojas de trucos esenciales de ciencia de datos, aprendizaje automático y aprendizaje profundo
(Matthew Mayo, KDNuggets)

8. El estudio de la inteligencia artificial "Gaydar" y los verdaderos peligros del Big Data
(Alan Burdick, The New Yorker)

9. Asegurar la ventaja competitiva con el aprendizaje automático
(Ronald van Loon, Dataconomy)

10. Los asaltantes de la tormenta: La ciencia de los datos detrás de la predicción meteorológica
(George Anadiotis, ZDNet)

¿Tiene más artículos que añadir a la lista? Déjelos en los comentarios de abajo o Tuitea con nosotros!