Molte persone pensano che al giorno d’oggi non sia necessario conoscere la matematica poiché tutti i moderni pacchetti Python ne astraggono la necessità. Praticamente non lo realizzerai mai propagazione all’indietro a mano o costruisci un albero decisionale da zero (anche se è abbastanza divertente provarci!).
È facile darlo per scontato ed evitare di apprendere la teoria di fondo dietro gli algoritmi, il che è pericoloso e non lo consiglio.
Certo, puoi costruire una rete neurale con poche righe di codice in PyTorch, ma cosa succede quando ha previsioni strane e devi eseguirne il debug? O cosa succederebbe se qualcuno ti chiedesse qual è l’intervallo di confidenza attorno al risultato previsto da un modello di regressione lineare?
Queste domande e scenari emergono più frequentemente di quanto pensi e puoi rispondere avendo una solida conoscenza dei calcoli matematici alla base.
Posso capire che la matematica può essere spaventosa e potrebbe non essere il punto di forza di tutti. Tuttavia, la matematica necessaria per la maggior parte dei ruoli di scienza dei dati non è di livello master o dottorato. In genere è ciò che ti viene insegnato negli ultimi anni di scuola e nel primo anno di università per la maggior parte delle materie STEM.
STEM = Scienza, Tecnologia, Ingegneria, Matematica
Fonte: towardsdatascience.com
