Data Scientist es alguien que es mejor programador que un estadístico y un analista de datos (pero no tan bueno como un ingeniero de datos) Y tiene una mejor comprensión de las estadísticas que un analista de datos y un ingeniero de datos (pero no tan bueno como un Estadístico) Y tiene una comprensión algo más clara de negocios que un ingeniero de datos y estadístico (pero no tan bueno como Data / Business Analyst)
Explicar los roles mencionados.
- Ingeniero de datos – a) Habilidades de codificación a nivel de máquina b) cierto conocimiento de conceptos estadísticos c) poco conocimiento de negocios
- Científico de datos: a) Códigos para su hipótesis interna y pilotos y, si es necesario, puede subir de nivel para codificar en el lado del servidor. b) Fuerte conocimiento de conceptos y algoritmos estadísticos y sabe cómo resolver matemáticamente un problema. c) Algún conocimiento de los negocios.
- Estadístico: a) Pocas habilidades de codificación y eso también impulsado por paquetes, etc. b) Fuerte conocimiento de estadísticas y sabe cómo abordar un problema estadísticamente c) poco conocimiento de negocios
- Analista de negocios / datos – a) Pocas / cero habilidades de codificación b) Conocimientos básicos de estadística c) Fuerte conocimiento de negocios
- Administrador de análisis: quién administra los analistas de negocios / datos (puede superponerse con el siguiente)
- Gerente de ciencia de datos: quién administra los científicos de datos (puede superponerse con el primero)
- Analista de MIS: quién puede crear informes a partir de datos y tener cero / muy poco conocimiento de negocios, estadísticas o codificación.
Ahora para ser un científico de datos
- Quiero ser un fiscal basado en lo que sigo viendo en las películas. ¿Es esa una forma segura de hacer una carrera?
- ¿Cuáles son las opciones de carrera después de graduarse de IIT, NIT o IIIT?
- ¿Vale la pena intentar buscar un trabajo de banca de inversión en este momento?
- ¿Qué lugar de entrenamiento debo elegir en Cognizant?
- ¿Qué debo hacer para hacer mi carrera?
- Aprenda uno de los lenguajes de codificación más utilizados: R / Python / Java, etc.
- Obtenga un buen conocimiento de los conceptos básicos de las estadísticas y construya lentamente sobre eso para hacer que uno o dos dominios sean realmente fuertes
- Práctica para codificar algoritmos estadísticos en el lenguaje de codificación aprendido
- Lea sobre la metodología de investigación y comprenda los pasos necesarios para resolver un problema empresarial
- Conozca algunos de los términos más populares del mercado: bigdata / machine learning / AI, etc.
¿Cómo hacer lo anterior?
- Haz un curso a tiempo completo en algún buen instituto
- Autoestudio
- aprenda los conceptos básicos en línea / fuera de línea: Datacamp, Analytics Vidhya, Udemy, etc. o libros
- aparecen cursos de certificación en línea
- practicar en laptop
- En el trabajo estudio
- Si tiene un problema, piense cómo lo resolvería un científico de datos. enfoque de la misma manera y verá una mejora.