Soy un desarrollador web Full Stack. ¿Vale la pena estudiar ciencia de datos si la ciencia de datos parece más interesante como estudio y más lucrativa como trabajo?

¡Absolutamente! Ve a por ello.

Una experiencia como desarrollador web full stack es una excelente plataforma de lanzamiento para un científico de datos, e incluso si esa no fuera su ambición, comprender diferentes aspectos de la ciencia de datos desde el aprendizaje automático hasta la visualización de datos solo puede fortalecer sus otras habilidades.

Hay algunos mitos desafortunados que rodean la ciencia de datos:

1. Se necesita un doctorado en una disciplina cuantitativa para convertirse en un científico de datos.

Las únicas personas que sugieren esto no son científicos de datos ni graduados de programas de doctorado cuantitativos. Me pregunto si las empresas que buscan doctorados para unirse a sus equipos de ciencia de datos realmente entienden lo que hacen los estudiantes de doctorado. Los programas de cuatro a siete años se centraron en capacitar a los estudiantes para escribir trabajos de investigación académica cada 6 meses empleando, ¡en el mejor de los casos! – las estadísticas básicas y la econometría o las matemáticas altamente teóricas producirán ex alumnos sin más capacidad para practicar ciencias de datos que los graduados de la facultad de derecho tienen que practicar leyes.

Los programas de doctorado favorecen a las personas con facilidad técnica, pensamiento crítico y creativo e curiosidad. Sí, esta es una materia prima prometedora para los científicos de datos, pero esas personas existen en la parte superior de cada disciplina.

Cuando necesito contratar a un científico de datos sólido, tiendo a buscar ingenieros de software sobresalientes que probablemente no tengan doctorados.

2. Los científicos de datos necesitan dominar la ingeniería de software, la computación distribuida, las estadísticas, el aprendizaje automático, la visualización de datos, la narración de historias (… etc.) para sus trabajos.

No. En la práctica, los científicos de datos trabajan en equipos. Un científico de datos puede centrarse en la ingeniería de datos, abordar las E / S y los problemas relacionados con la CPU. Otro científico de datos puede provenir de un fondo de desarrollo web de pila completa y usar todo, desde SQL a nodo a D3 para materializar prototipos de modelos desarrollados por un tercer científico de datos que trabaja con scikit-learn. Un cuarto científico de datos puede trabajar en parte como gerente de producto y ayudar a los equipos de ingeniería a medir el progreso o los equipos de ventas a evaluar su eficacia con paneles en tiempo real.

Hay muchos subcampos de ciencia de datos con un enorme valor para los negocios. Diseñe su propio nicho dibujando sobre su fondo particular, recompense su curiosidad y diviértase.

Hay una gran falta de personas que puedan combinar fuertes habilidades de interfaz de usuario con el conjunto de habilidades matemáticas que necesita para ser excelente para hacer gráficos. Digo esto como alguien a quien realmente le gustaría contratar a tal ingeniero. En esta era de los datos, existe una enorme y creciente necesidad de paneles de datos a medida de todo tipo. Highcharts.js es una herramienta estándar actual para esto, pero es una salsa débil en términos de lo que realmente se necesita.

Inevitablemente, alguien dirá que este trabajo será obviado por las próximas bibliotecas de JavaScript. Eso me parece muy poco probable. Hay un mundo de diferencia entre tener acceso a una gran biblioteca de trazado y saber qué hacer con ella.

No sé si este tipo de IU matemática y basada en datos es lo que le interesa, pero diría que un movimiento en esa dirección es una apuesta profesional bastante segura. A corto plazo, puede que no haya muchos trabajos, pero pronto los equipos líderes dejarán en claro qué es realmente posible y luego el listón va a subir. Cuando esto suceda, habrá más empleos que candidatos.

Respondamos a esta pregunta haciendo algunas preguntas sinceras:

  • Lo que me parece interesante, ¿es realmente interesante para mí? o voy a perder vapor pronto?
  • ¿ Leí algunos documentos básicos o capítulos de libros para comprender mejor el campo y saber si puedo hacerlo a largo plazo?
  • ¿Puedo cambiar la dirección de la carrera porque esto parece más lucrativo ? Por ejemplo, los trabajos de Wall Street son más lucrativos, ¿puedo hacerlos?
  • ¿Estoy motivado porque estas cosas parecen populares en los medios?
  • ¿Tengo los antecedentes básicos (por ejemplo, matemáticas, estadísticas, aprendizaje automático) para mantener el ritmo en esta área?
  • ¿Quiero hacerlo porque quiero hacerlo o porque parece estar de moda o genial?
  • ¿Cuáles son las diferentes opciones de carrera disponibles en este campo? Con mis habilidades, ¿ encajo en algún lugar?

Lo siento, si no respondí bien … saber las preguntas relevantes a veces es más importante que la respuesta en sí.

Hola,
Mi hermana es una desarrolladora front-end que es diseñadora de UI. Ella quiere hacer la certificación en analista de Big Data. ¿Vale la pena hacerlo según su perfil? Tiene más de 5 años de experiencia en el desarrollo de UI + Frontend.

En mi humilde opinión, siempre vale la pena estudiar algo que me interese, incluso si es solo para descubrir que no es tan interesante como pensaba.

Esto dijo: hazlo. No lo haga por la parte de “lucrativo como trabajo”. Puede suceder, pero creo que es una suposición compleja. Nuevas habilidades … eso no es una suposición, ¡es un hecho! Si te gusta aprender, tendrás un desafío.

¡Buena suerte!