Recentemente sono stato introdotto nel campo della Data Science (sono passati circa 6 mesi), e ho iniziato il viaggio con Machine Learning Course di Andrew Ng e post che hanno iniziato a lavorare sulla Data Science Specialization di JHU.
Sul fronte delle applicazioni pratiche, ho lavorato alla costruzione di un modello predittivo che prevedesse l'attrito. Finora ho usato glm, bayesglm, rf nel tentativo di imparare e applicare questi metodi, ma trovo molto spazio nella mia comprensione di questi algoritmi.
Il mio dilemma di base è:
Se dovrei concentrarmi maggiormente sull'apprendimento delle complessità di alcuni algoritmi o dovrei usare l'approccio di conoscerne molti come e quando e quanto necessario?
Per favore guidami nella giusta direzione, magari suggerendo libri o articoli o qualsiasi cosa che pensi possa aiutare.
Le sarei grato se rispondessi con l'idea di guidare qualcuno che ha appena iniziato la sua carriera nel campo della scienza dei dati e vuole essere una persona che risolve questioni pratiche per il mondo degli affari.
Leggerei (quante più possibili) risorse (libri, articoli) suggerite in questo post e fornirei un feedback personale sui pro e contro degli stessi in modo da renderlo un post utile per le persone che incontrano una domanda simile in futuro, e penso che sarebbe fantastico se le persone che suggeriscono questi libri possono fare lo stesso.