Curs de Data Science de l'MIT: Data to Insights
Traducció de l’original en anglès. Llegeix-lo en: CastellanoEnglish

Aquesta setmana he acabat
. Després de la meva experiència anterior amb els cursos professionals de l'MIT, vaig decidir posar-me amb un de nou. Sé que sona estrany després de la meva molt mala experiència amb
el meu curs anterior sobre IoT
, però vaig decidir donar una segona oportunitat a aquest tipus de cursos.
La meva opinió general sobre aquest curs és de bon tros millor que la de l'anterior, així que estic content d'haver acabat aquest curs. He après molt i, és clar, ara toca posar els coneixements en pràctica, així que no és una cosa menor. Parlant de la dificultat del curs, vaig trobar especialment difícils els dos mòduls inicials, molta matemàtica i fórmules, i va ser molt difícil seguir les explicacions per la complexitat dels conceptes i de les fórmules matemàtiques que els descriuen. En el meu cas, una mica de codi en qualsevol llenguatge de programació fent servir llibreries que abstraiguin la complexitat de les fórmules matemàtiques seria ideal.
Sobre aquests dos mòduls inicials: "
Making sense of unstructured data
" i "
Regression and Prediction
" potser els temes sonen bé, sobretot allà on vull aplicar els coneixements, és a dir a l'IIoT, però no és fàcil esbrinar com aplicar aquests coneixements a dades de sèries temporals. Potser el millor que n'he tret és quins són els principals algorismes i les bases teòriques que he d'aplicar en projectes del món real.
El tercer mòdul té com a tema "
Classification, Hypothesis and Deep Learning
" i està molt lligat amb l'anterior, per cert, vaig trobar més fàcil entendre'n les matemàtiques relacionades i com aplicar aquests coneixements. Especialment vaig trobar fàcil d'entendre i interessant d'aplicar a l'IIoT el capítol de deep learning, alguns conceptes i idees bàsiques sobre xarxes neuronals es descriuen d'una manera molt senzilla i les sinopsis gràfiques i les animacions ajuden molt a seguir els conceptes.
Els dos últims mòduls sobre "
Recommendation systems
" i "
Networks and Graphical Models
" es presenten d'una manera molt útil, molt aplicada al món real i amb un munt d'exemples, i ho agraeixo. A part d'això, els professors van fer una molt bona feina explicant-ho conjuntament i essent molt progressius en complexitat de baix a dalt.
Si he de suggerir alguna millora seria a la part pràctica, considero que Python és un llenguatge de programació amb més futur al món del Data Scientist que R, potser R té una molt bona base i història com a llenguatge per a científics, però crec que eines com
tenen més futur que eines heretades com
. Així que donar més detalls i referències sobre com jugar amb eines i llibreries basades en Python en lloc de centrar-se en R seria la meva recomanació.
Un altre punt a millorar, al meu parer, seria afegir alguns vídeos dedicats a fer servir les eines i a com aplicar-les en estudis de cas. Al cap i a la fi, els vídeos screencast són súper útils quan no estàs familiaritzat amb algunes tecnologies.
Resumint, recomano el curs, però no espereu cap aplicació ràpida dels coneixements; és un curs molt teòric per assolir les bases i després obtenir habilitats pràctiques pel teu compte amb estudis de cas o altres referències.