1- زبان برنامه نویسی
یادگیری یک زبان برنامه نویسی مانند پایتون یا R در این رشته الزامی میباشد. برای مثال در پایتون مواردی نظیر — کلاس ها ، تابع ها ، exeption handling را باید به خوبی بدانیم.
2- آمار
آشنایی با مفاهیم آماری اهمیت زیادی دارد.
3- feature engineering
این مرحله زمان زیادی در حل هر مسئله صرف میکند.
کتابخانه های seaborn – و مصور سازی داده در این بخش اهمیت زیادی دارد.
4- ماشین لرنینگ
- الگوریتم ها:
NLP- رگرسیون – درخت تصمیم – رندوم فورست – Xgboost – رگرسیون لاجستیک و …
اهمیت تفاوت ML و DL و AI و …
ML زیر مجموعه AI است وDL زیر مجموعه ML است
فردی یا رولی به نام دیتا ساینتیست فول استک داریم. فردی که تمام مراحل را انجام میدهد.