En mi experiencia con los aspirantes de Data Science en los últimos meses, me he dado cuenta de que no hay un método específico o una hoja de ruta para convertirse en un científico de datos. Data Science es un vasto campo. He visto un rango dinámico de personas que provienen de diferentes antecedentes, con diferentes experiencias y diferentes conjuntos de habilidades que se convierten en científicos de datos exitosos. Quiero decir que hay un estudiante que conocí que abandonó la universidad y, por otro lado, también había un vicepresidente de ventas con 18 años de experiencia.
Sin embargo, hay algunas cosas que querrás tener en cuenta, no te daría una lista de verificación, pero sí, algunos de mis aprendizajes de mi experiencia al entrenar a mis estudiantes.
“Más profundas las raíces, más altos crecen los árboles”
- Estoy trabajando en mi solicitud y me gustaría saber si está bien escribir un problema matemático en uno de mis ensayos o ¿parecería incorrecto?
- Soy un estudiante de CS. ¿Cómo puedo tener una gran carrera en PNL sin ir a la escuela de posgrado?
- Si realmente amas tu trabajo, ¿qué haces y qué hiciste para conseguirlo?
- ¿Qué tipo de trabajo puedo obtener después de hacer una Maestría en Comunicación de Masas de la Universidad Central de South Bihar?
- Soy ingeniero eléctrico y tengo dos años de experiencia, el problema ahora es que tuve que renunciar a la compañía para la que trabajaba y no puedo encontrar un buen trabajo. ¿Cómo puedo conseguir un trabajo en este campo?
Creo firmemente en esto. Entonces, primero tenemos que descubrir cuál es la base de Data Science. Una vez que fortalezcamos nuestros conceptos básicos, creo que habremos logrado el 40% de nuestro viaje. ¿Cuáles son los principios básicos de la ciencia de datos? La programación, el álgebra lineal y la estadística son la base de la ciencia de datos. Su nivel de comodidad con estos temas determina su elegibilidad para convertirse en Data Scientist. Por supuesto, esto no significa que implique un título formal en estas materias, sino qué tan bueno es con eso.
Siempre admiro a Anand Jain, quien fue cofundador y CTO de Burrp, que fue adquirido por Network18 en abril de 2009 y ahora es el cofundador de CleverTap, que ofrece análisis de comportamiento, potente segmentación en tiempo real, mensajería multicanal y personalización en uno plataforma unificada Anand Jain no tiene experiencia en ingeniería y sigue siendo tan exitoso como cualquier otra persona.
¿Qué cubrir en Programación y Estadística?
Cuando se trata de lenguaje de programación, hay mucho debate sobre Python vs R. Ambos lenguajes tienen sus propios pros y contras. Personalmente, recomendaría Python ya que es un lenguaje multipropósito general y tiene muchas bibliotecas de visualización como Bokeh, Seaborn y Pygal.
- Importar datos en Python
- Fundación Pandas
- Caja de herramientas de ciencia de datos de Python
- Bases de datos en Python
- Visualización de datos con Python
- Visualización interactiva de datos con Bokeh
- Fusionar marcos de datos con pandas
Para estadísticas
- Distribuciones estadísticas y teoría de la probabilidad (Cálculo de MGF, CGF, media, mediana, modo, varianza Máxima probabilidad de expectativa, teoremas del límite central, ANOVA)
- Montaje de una distribución.
- Muestreo y prueba de una hipótesis
- Modelado Bayesiano
- Regresión y series de tiempo
Y por lo tanto, es de suma importancia reafirmar sus raíces. Estos luego serán sus armas mientras resuelven cualquier problema en Data Science, especialmente la programación. Cuanto más cómodo esté, mejor podrá comprender el problema y el dispositivo será una solución óptima. Una vez que haya construido una base sólida, puede comenzar a profundizar fácilmente en la ciencia de datos.
¿Cómo profundizar en Data Science?
Hay ciertas habilidades que no puede aprender simplemente haciendo algunos cursos en línea, siempre se recomienda asistir a un programa en un modelo de aula con una persona experimentada. Al igual que la ciencia de los datos de la ciencia médica, no puede aprenderla usted mismo. Por ejemplo, dado que todas las fuentes necesarias para convertirse en médico están disponibles en línea, simplemente no puede convertirse en médico al estudiar en línea, de manera similar con la ciencia de datos.
Y, por lo tanto, siempre recomendaría a los aspirantes de ciencia de datos que asistan a un programa basado en el aula, dirigido por un instructor y orientado a la práctica. Te encontrarás con muchas instituciones, cursos y programas que te ayudarán a aprender ciencia de datos. Algunos son muy caros, mientras que otros son razonables. Pero, una cosa muy importante a tener en cuenta mientras se inscribe en dichos cursos es saber su valor en términos de conocimiento y lo que al final del curso está desarrollando dentro de usted mismo. Asegúrese de que el énfasis de su curso esté más en la práctica y no solo en la teoría. Los proyectos en los que trabaja se basan en declaraciones de problemas relevantes de la industria y no en las tareas antiguas. Los aprendizajes y proyectos son colaborativos y se realizan en equipos. Obtiene herramientas reales de la industria y se enfoca en el desarrollo basado en pruebas
¿Será eso suficiente?
Honestamente, no, eso no lo hará, hasta este punto, acaba de incorporar habilidades de ciencia de datos. Pero, ¿cómo sabría eso la gente? Es importante salir a socializar.
Asista a más reuniones: aunque el requisito principal para convertirse en un científico de datos será a través de la práctica y la práctica solamente. Siempre es bueno tener una red social. Debe comenzar a asistir a más y más reuniones sobre ciencia de datos. Tienes la oportunidad de aprender mucho sobre ciencia de datos.
Comience con pasantías: también puede intentar trabajar junto con el aprendizaje. Puede optar por pasantías en algunas de las empresas de ciencia de datos. Obtendrá la experiencia de la industria con el conocimiento académico que cubrirá al estudiar estos temas. La mayoría de las grandes compañías tecnológicas usan Data Science. Todas estas empresas deberían tener puestos de pasantías en Data Science. Te recomendaría ir a Internshala, Linkedin, Glassdoor, Monster y buscar pasantías de ciencia de datos.
Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.
El programa insignia altamente selectivo de GreyAtom tiene como objetivo orientar a los profesionales que trabajan y los más novedosos en el inicio de su carrera de ciencia de datos. Los estudiantes crearon proyectos a partir de conjuntos de datos REALES y declaraciones de problemas proporcionadas por nuestra industria y socios de contratación. El programa se basa en el aula y está fuertemente orientado a la práctica. GreyAtom es un ecosistema donde los estudiantes pueden aprovechar lo mejor de la academia, profesionales de la industria y personas influyentes.
Algunos enlaces rápidos
- Programa – http://www.greyatom.com/full-sta…
- Chatee con un consejero académico : le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co…