Aspiring Data Scientist

Leveraging AI access through content creation | Data Scientist | Python | Latin American

[Aspiring Data Scientist @AspiringDataSc1]

✨DATA SCIENTIST ROADMAP✨

Long tweet on the required knowledge for becoming a data scientist from my experience:

1) Statistics fundamentals
1.1) Measuring probability
1.2) Combinatorics and Permutations
1.3) probability axioms
1.3) Conditional probability
1.4) Distributions
1.5) Random Variables
1.6) Expected Value
1.7) Central tendency measurements and sampling
1.8) Hypothesis testing
1.9) Boostrapping

2) Linear algebra fundamentals
2.1) Vectors
2.2) Operations between vectors
2.3) Cross product and Dot product
2.4) Matrix multiplication
2.5) Inverse Matrix
2.6) Linear Transformations
2.7) Gradient descent

3) Advanced SQL
3.1) Common DML operations
3.2) Common DDL and DQL operations
3.3) Joining tables (anti joining too)
3.5) Subqueries
3.6) Group by
3.7) Having vs Where
3.8) UNION
3.9) Temporal tables vs subqueries
3.10) Creating tables from queries
3.11) DB Engine architecture fundamentals
3.12) Query optimizer fundamentals and expected path

4) Intermediate level Python, Pandas, Numpy and Matplotlib
4.0) Python fundamentals:
4.0.1) Common data structures
4.0.2) Conditional flow
4.0.3) Iteration structures
4.0.4) Functions
4.0.5) Objects and classes
4.0.6) Packages, PIP and importing
4.0.7) Namespaces
4.0.8) Inheritance
4.1) Data collection (Models Lifecycle)
4.2) Data preparation (Models lifecycle)
4.3) Data wrangling and transformation (Models lifecycle)
4.4) Data plotting (Models lifecycle)

5) ML algorithms
5.1) Classic ML models: Linear Regression, Logistic Regression, Clustering, Random Trees, KNN, Support Vector Machines
5.2) N-fold cross validation
5.3) Categorical values handling
5.4) Normalization and Standardization
5.5) Checking for correlated features
5.6) Bias vs variance tradeoff
5.7) Important effectiveness metrics of each model
5.8) Fine tuning parameters and hyperparameters

6) Deep Learning

[Aspiring Data Scientist @AspiringDataSc1]

@labestiapau y por que ese potencial todavia no está? Es cuestión de ir levantando poco a poco. No digo que sea facil pero siempre y cuando que tengas 2 pies, 2 brazos y una mente consciente, ese potencial todavia existe :)

[Aspiring Data Scientist @AspiringDataSc1]

This is just ego talk. It is not constructive nor useful as a “review”

It doesnt specify whats wrong or how to improve it. This is the same as just saying “you are not at my level”

[Aspiring Data Scientist @AspiringDataSc1]

@ShellWinger Eso es algo que hace Boca, River, Flamengo, Palmeiras, Fluminense, Peñarol, En europa practicamente es el status quo desde hace mas de 40 años, ...

No podemos poner cualquier cosa donde hay extranjeros como problema porque los problemas reales dejan de serlo

[Aspiring Data Scientist @AspiringDataSc1]

Quise hacer un follow-up a estas simulaciones, viendo el impacto de la cantidad de personas con la que puedes intercambiar stickers:

1. Los costos pueden bajar hasta 1/10 de lo que gastariamos siendo una sola persona

2. El peor y mejor caso se acercan, lo cual baja costos

[Montse 🧁 @lapanquecita]

El álbum del Mundial 2026 tiene 980 estampas. En promedio, necesitas ~1050 sobres para llenarlo.

Pero no te preocupes, puedes reducir la cantidad… si toleras interactuar con humanos 😰

Intercambiando (% del álbum):

10% → ~322 sobres
20% → ~225 sobres

Ni modo, a convivir.

[Aspiring Data Scientist @AspiringDataSc1]

@lapanquecita muchas gracias! Voy a hacer un ejercicio parecido pero con un enfoque un poco distinto basado en unos papers que lei!

[Aspiring Data Scientist @AspiringDataSc1]

@SerFHerrera @RheinV_ dale, ya esta persona deja de apoyar porque SergioFernando le dijo que no es un verdadero hincha

[Aspiring Data Scientist @AspiringDataSc1]

@AlllShuffle @Juanse629 @AlejaaRojasg pero que esta persona no esté en la carcel no es ser justo con las partes.

El dejó a todas estas personas como victimas, mostrarlo de esta forma es minimizar lo que hizo.

El debe pagar por las consecuencias del terror que inflingió. Sus actos son impunes por “perdon”

[Aspiring Data Scientist @AspiringDataSc1]

@AndreyDonato1 @tobonvillada @feliphebotero es muy logico lo que planteas, la verdad, si te dicen algo, eso se resuelve persiguiendo a alguien y disparar una pistola

muy civilizado todo y para nada tercermundista

[Aspiring Data Scientist @AspiringDataSc1]

@luismejiadev yo tambien jaja a veces siento que mis compañeros se estresan cuando me estreso porque lo vocalizo jajajaj o quizas se la ansiedad

[Aspiring Data Scientist @AspiringDataSc1]

alguna vez usaron el kurtosis o skewness para filtrar features de forma univariada?

[Aspiring Data Scientist @AspiringDataSc1]

@luismejiadev Wow, lamento oir lo del divorcio 🫂

Yo tengo que decir que me da mucho miedo defraudar tecnicamente o quedarme sin soluciones o perderlo todo

quisiera oir qué lecciones aprendidas has tenido y espero que vayas bien 🫂

[Aspiring Data Scientist @AspiringDataSc1]

@naviumco @marianorenteria No es culpa de Meli, solo es la natualeza de cualquier cosa basada en IA

[Aspiring Data Scientist @AspiringDataSc1]

@naviumco @marianorenteria Cuando hablamos de cualquier cosa basada en inteligencia artificial, eso nunca es suficiente ya que estos modelos estan hechos para tener SIEMPRE un margen de error, por ejemplo, yo hice esto con la de Meli

Meli siendo una empresa gigante de software

[Aspiring Data Scientist @AspiringDataSc1]

yo NUNCA dejaria que un agente tome decisiones de EDA ni modelado por mi

Me suelo apoyar para ideas pero nunca nunca que haga esas cosas por mi porque el cientifico de datos tiene que tener un entendimiento de qué se definió y qué resultados se obtuvo

[Aspiring Data Scientist @AspiringDataSc1]

@excel_file A ver, yo no me atreveria a decir que es logico y que no es jajajaj después de tantos proyectos en el area a veces lo logico no lo es tanto :)

[Aspiring Data Scientist @AspiringDataSc1]

LA REGRESIÓN LINEAL NO IMPLICA UNA LINEA (GEOMETRICAMENTE)

el supuesto es que se es lineal con respecto a los parametros B0, B1…

No pide linealidad con respecto a las features necesariamente, permitiendo cosas como esto:

[Aspiring Data Scientist @AspiringDataSc1]

@silvercorp @anibal @fmontes super! ojala ser parte

[Aspiring Data Scientist @AspiringDataSc1]

@leonpalafox el tema es la interpretabilidad y que para datasets muy grandes es una operacion pesadisima

ademas del hecho de que hay que seleccionar los suficientes componentes como para cubrir gran parte de la varianza del dataset pero normalmente siempre se tiene un decompression error

[Aspiring Data Scientist @AspiringDataSc1]

@zscheman_ @leonpalafox Siempre y cuando en promedio apunte a los valores reales, no hay problema como lo hagas :)