Información sobre cómo manejar estadísticas, interactuar con personas y maximizar la productividad en el lugar de trabajo
Si no eres Miembro Medio, haz clic en 👉🏽 aquí 👈🏽 para leer este artículo gratis.
En agosto del año pasado, me uní a Google como aprendiz de análisis de datos. Fue el comienzo de mi carrera laboral. Cruzar la marca del año me hizo reflexionar sobre lo que había aprendido en diferentes dimensiones de mi trabajo y mi vida laboral durante este tiempo. No creo que haya habido nunca un período en el que haya experimentado una metamorfosis más rápida. ¡Ha sido un desafío pero divertido!
He dividido mi aprendizaje en tres categorías: ciencia de datos, productividad y personas.
- En los problemas de ciencia de datos del mundo real, se obtendrá una alta precisión simplemente porque el conjunto de datos está extremadamente sesgado y no porque el algoritmo funcione bien. Puede tener un conjunto de datos con una proporción de clases negativas a positivas de 1000:1 (como para la clasificación de spam), y este desequilibrio conducirá a una alta precisión superior al 99% si clasificamos todos los puntos como negativos. Por lo tanto, es importante elegir la métrica correcta para la evaluación, que en este caso es la recuperación. Una puntuación alta de recuerdo indicaría que las clases positivas están siendo…