¿Ha habido alguna vez una tendencia en la academia como la que estamos experimentando con Data Science?

En un evento de panelista al que asistí recientemente, exactamente el 100 % de los estudiantes y exalumnos actuales en la sala que no tenían un doctorado en aprendizaje automático dijeron que querían un doctorado en aprendizaje automático, y todos querían saber cómo y dónde. para lograr este objetivo. Honestamente, no estoy seguro de si la mayoría de estos estudiantes pueden siquiera describir qué es el aprendizaje automático. Había largas filas para hablar con los doctores en ciencias de la computación, que son directores de investigación en una universidad o en la industria, por ejemplo, Google, Goldman Sachs: todos estaban tan obsesionados con la idea de ingresar a la ciencia de datos.

¿Hay algún campo en el pasado que se compare con el campo actual de Data Science, en términos de actualidad e importancia?

¿Fue la teoría de la probabilidad? ¿Análisis de Fourier? ¿Teoría de los números? ¿Mecánica? ¿Facultad de Derecho?

Este próximo semestre, tenía muchas ganas de seguir mis intereses y estudiar la teoría de la medida y el análisis funcional; solo hojear la tabla de contenido del libro de análisis funcional de Reed y Simon fue bastante emocionante en sí mismo. Sin embargo, es difícil ahogar la influencia de la ciencia de datos, y creo que debería ser "más inteligente" y tomar cursos de ciencia de datos/aprendizaje automático en su lugar.

Un respetado estudiante de doctorado en matemáticas de nuestro departamento me aconsejó que, "si estudias algún subcampo de álgebra en profundidad, en el futuro tal vez una docena de personas puedan entender tu trabajo. Pero si ingresas a la ciencia de datos, es un campo que está proyectado para crecer". durante las próximas décadas, y si aterrizas en la industria en lugar de la academia, todas las habilidades son transferibles, a diferencia de las habilidades adquiridas al estudiar álgebra".