No eres muy viejo! Tienes más experiencia que yo cuando comencé a trabajar en ciencia de datos y llegué a una gran empresa trabajando en emocionantes desafíos basados en datos.
Felicitaciones por completar sus solteros. Eso es fantástico. En mi opinión, lo primero que debe hacer es comenzar a construir su perfil en línea teniendo su propio sitio web. Una vez que configure un blog básico (fantasma, wordpress, drupal, etc.), debe llenarlo con contenido sobre lo que ha aprendido / le apasiona. Te sorprendería lo mucho que sabes que otras personas quieren saber. Si pagaste por él, a alguien le encantaría obtenerlo gratis. El blog también muestra que eres un emprendedor y un apasionado de la tecnología. Comience a agregar contenido sobre ciencia de datos para mostrar que también está interesado en ese campo. Mire algunos blogs de ciencia de datos para obtener consejos (publicaré uno más tarde).
La próxima gran cosa que debes hacer es mirar las competiciones de Kaggle y comenzar a intentarlo. No te preocupes por ganar, intentar el desafío es un gran comienzo. Eventualmente lo dominarás. Solo intentarlo lo colocará en el 90% superior de los científicos de datos. A medida que conseguimos trabajos y nos ocupamos, todos olvidamos seguir haciendo estos increíbles desafíos para desarrollar aún más nuestras habilidades.
- ¿Qué hago después de descubrir que seguir mis sueños no fue tan bueno como pensé que sería?
- Todos mis amigos van a un viaje increíble y tengo un examen justo después de las fechas del viaje. ¿Qué debo hacer?
- Estoy trabajando en mi libro y ya estoy a la mitad, pero no he escrito nada en una semana. Nada es simplemente inminente. ¿Qué debo hacer? ¿Qué haces cuando tocas una parada?
- ¿Cuál es su opinión sobre los hombres que piensan que "todo terminó" después de casarse?
- ¿Cuánto tiempo necesita una CPU para hacer un cálculo?
Lo último que le pediría que considere es ir a buscar un trabajo en una industria que le guste / en la que pueda trabajar. Aprender un negocio es realmente importante, incluso si no permanece en la industria para siempre. De esa manera, puede comenzar a ver cómo conectar los algoritmos a problemas comerciales reales. Esta es una de las habilidades más críticas que creo que todos los científicos de datos necesitan.