Yo tengo uno. Un sec.
@Fyn4r "ues en resumen sí, lo marcado en rojo lo veo bien, muchos de los items marcados son básicos para cualquiera que se dedique a estos temas, ya te digo que yo ando en ptimización, no en data science y aún así utilizo muchos de los conceptos. Lo que no sabría es darte una estimación temporal, entiendo que estamos hablando de meses, 5 o 6 quizá? contando con que no te puedas dedicar full time a ello, si no serán menos que se que eres espabilao.
Detallando un poco más, lo marcado en rojo lo dividiría en 3 campos:
Estadística básica / clásica: Cosas como estimaciones, contrastes de hipótesis (pvalor), inferencia paramétrica, análisis de varianza (ANOVA), regresiones básicas, etc. son temas que si le metes horas no creo que te lleven más de un par de meses (también depende de cómo de profundo te metas en el desarrollo matemático correspondiente). La razón es que, si bien son conceptos simples en general, es la base de todo y es importante controlarlos bien.
Machine Learning: Muchos de los algoritmos típicos se basan en análisis de la varianza, así que si manejas lo de arriba te va a ser fácil entenderlos bien y saber cómo / cuando utilizarlos, creo que te va a llevar más tiempo practicar con todos que otra cosa.
Habilidades transversales: Diseño de experimentos, herramientas de visualización, uso de bases de datos varias, etc. Son habilidades que irás cogiendo con práctica, no dedicaría tiempo de estudio como tal a ellas ya que las otras habilidades van a requerir que tengas cierto manejo de estas. Caso curioso el del diseño de experimentos porque puede llegar a ser crítico en según que escenarios, pero si puedes controlar los experimentos al 100% aleatorizas todo y fuera xD
Espero poder ayudarte bro, tampoco llevo muchísimo tiempo en este mundillo pero ando rodeado de matemáticos y creo tener una idea general de todo el tema de la estadística más clásica"