
Esta semana he terminado
. Después de mi experiencia anterior con los cursos profesionales del MIT, decidí meterme en uno nuevo. Sé que suena extraño después de mi muy mala experiencia con
, pero decidí dar una segunda oportunidad a este tipo de cursos.
Mi opinión general sobre este curso es con diferencia mejor que la del anterior, así que estoy contento de haber terminado este curso. He aprendido mucho y, por supuesto, ahora toca poner los conocimientos en práctica, así que no es una cosa menor. Hablando de la dificultad del curso, encontré especialmente difíciles los dos módulos iniciales, mucha matemática y fórmulas, y fue muy difícil seguir las explicaciones por la complejidad de los conceptos y de las fórmulas matemáticas que los describen. En mi caso, algo de código en cualquier lenguaje de programación usando librerías que abstraigan la complejidad de las fórmulas matemáticas sería ideal.
Sobre esos dos módulos iniciales: "
Making sense of unstructured data
" y "
Regression and Prediction
" quizá los temas suenan bien, sobre todo allí donde quiero aplicar los conocimientos, es decir en el IIoT, pero no es fácil averiguar cómo aplicar esos conocimientos a datos de series temporales. Quizá lo mejor que he sacado de ahí es cuáles son los principales algoritmos y las bases teóricas que tengo que aplicar en proyectos del mundo real.
El tercer módulo tiene como tema "
Classification, Hypothesis and Deep Learning
" y está muy ligado con el anterior, por cierto, me resultó más fácil entender las matemáticas relacionadas y cómo aplicar esos conocimientos. Especialmente me resultó fácil de entender e interesante de aplicar en el IIoT el capítulo de deep learning, algunos conceptos e ideas básicas sobre redes neuronales se describen de una manera muy sencilla y las sinopsis gráficas y las animaciones ayudan mucho a seguir los conceptos.
Los dos últimos módulos sobre "
Recommendation systems
" y "
Networks and Graphical Models
" se presentan de una manera muy útil, muy aplicada al mundo real y con un montón de ejemplos, y lo agradezco. Aparte de eso, los profesores hicieron un muy buen trabajo explicándolo todo junto y siendo muy progresivos en complejidad de abajo a arriba.
Si tengo que sugerir alguna mejora sería en la parte práctica, considero que Python es un lenguaje de programación con más futuro en el mundo del Data Scientist que R, quizá R tiene una muy buena base e historia como lenguaje para científicos, pero creo que herramientas como
tienen más futuro que herramientas heredadas como
. Así que dar más detalles y referencias sobre cómo jugar con herramientas y librerías basadas en Python en lugar de centrarse en R sería mi recomendación.
Otro punto a mejorar, en mi opinión, sería añadir algunos vídeos dedicados a usar las herramientas y a cómo aplicarlas en estudios de caso. Al fin y al cabo, los vídeos screencast son súper útiles cuando no estás familiarizado con algunas tecnologías.
Resumiendo, recomiendo el curso, pero no esperéis ninguna aplicación rápida de los conocimientos; es un curso muy teórico para coger las bases y luego obtener habilidades prácticas por tu cuenta con estudios de caso u otras referencias.