Soy un estudiante de ingeniería de último año y quiero tomar el análisis de datos como una carrera. ¿Como empiezo?

He respondido una pregunta similar sobre Quora antes de lo cual estoy pegando aquí ya que la respuesta es la misma:

1. La analítica va mucho más allá de conocer herramientas como SAS, SPSS, R, etc. Lo primero y más importante es comprender si tiene habilidades para resolver problemas utilizando datos. ¿Puedes responder la pregunta que Akbar le hizo a Birbal: “¿Cuántos cuervos hay en mi reino?” en 15 minutos? El punto importante a tener en cuenta aquí es que puede y probablemente no tendrá una respuesta precisa, pero si tiene un proceso estructurado y correcto para resolver este problema, muestra que tiene las habilidades básicas necesarias para ser un gran analista. Esta habilidad realmente no se puede enseñar en un curso y solo se puede aprender a través de la práctica.

La esencia básica de la analítica es que necesita resolver problemas. A veces, los problemas pueden estar bastante bien estructurados y todo lo que necesita hacer es liberar su arsenal de herramientas y técnicas y llegar a una conclusión. Sin embargo, la mayoría de las veces los problemas serán vagos y desestructurados y requerirán un pensamiento innovador significativo de su parte.

2. El segundo conjunto de habilidades necesarias son el dominio o la comprensión empresarial. Dado que principalmente resolverá problemas de negocios, debe comprender bien el controlador de ese negocio o industria y las métricas importantes en ese negocio o dominio. Una habilidad que se adquirirá a través de la experiencia, la curiosidad, el hambre de aprender más y sentarse con los hombres de negocios.

3. El tercer conjunto de habilidades serían las numéricas y técnicas. Necesitas ser decente en matemáticas y estadísticas, el tipo aplicado y no solo la parte teórica. Sí, las herramientas SAS, R, Python, SPSS, Hive, Pig, etc., pero mucho más que las herramientas. Las herramientas no significan mucho si no sabes qué hacer con ellas.

Dado que su trabajo es analizar datos, necesita conocer las técnicas de análisis de datos que son técnicas de preparación y limpieza de datos, técnicas de análisis estadístico / predictivo e interpretar el resultado estadístico (prueba de hipótesis, ANOVA, regresión (lineal, logística), agrupación, series temporales) , árboles de decisión, ingenuos bayes y muchos más), técnicas de aprendizaje automático (refuerzo, embolsado, bosques aleatorios, máquinas de vectores de soporte, redes neuronales, sistemas de recomendación y más). Más importante es saber cuándo y dónde aplicar qué técnica. Aprender todo esto de una vez no es necesario. Puedes espaciarlo durante un par de años. Como estás aprendiendo SAS, debes dominarlo y también aprender R ahora. Estas son habilidades que se pueden aprender a través de cursos cortos en línea en varios institutos, algunos de ellos son http://www.coursera.org, http://www.udacity.com, Cursos de capacitación analítica-Business Analytics, Big Data, Data Science (autopromoción descarada) etc.
Los libros que pueden ser útiles son:

1. Estadísticas para la gestión de Richard Levin y David Rubin
2. Programación SAS por ejemplo por Ron Cody
3. Técnicas de minería de datos por Michael Berry y Gordon Linoff
4. Libro de cocina de minería de datos por Olivia Parr Rud
5. Minería de datos predictivos por Sholom Weiss
6. Preparación de datos para la minería de datos por Dorian Pyle
7. Pequeño libro SAS

4. Cuarta habilidad sería la comunicación verbal y escrita. Puede ser excelente para resolver problemas y las cosas técnicas, pero si no puede comunicar su análisis a los hombres de negocios (los que le están pagando a usted / su co. Por hacer esto) en su idioma no tiene valor. Cuando digo su idioma me refiero al lenguaje comercial y no al lenguaje estadístico. Necesita la capacidad de visualizar datos a través de gráficos, tablas, mapas, etc. interesantes, contar historias, crear presentaciones, tener el tacto y la capacidad de informar a los empresarios que su intuición es incorrecta y que su análisis de datos es correcto.

En general, esto debería ser lo que necesita para concentrarse. Su MBA de primer nivel obviamente debería ser de ayuda. Lo más importante es que no te quedes atrapado en el rol o el salario. Primero ingrese a la industria y ambos seguirán. No tengas miedo de pedir y hacer una pasantía. Una de las mejores formas de obtener experiencia práctica.

Dominar la herramienta analítica correcta es la clave para una carrera exitosa. Sin embargo, antes de adquirir nuevas habilidades de análisis de datos, debe conocer las perspectivas de las herramientas relevantes en el mercado laboral. En mi opinión, puede tomar Business Analytics con R o cualquier otro curso de análisis, incluidos Python o SAS.

Veamos por qué necesitas R:

Lenguaje de programación más preferido
R hoy es la herramienta analítica de datos más utilizada. Y obtiene mejores puntajes que otras herramientas estadísticas como Minitab y Statistica. También se dice que R será el lenguaje analítico de elección más utilizado en los próximos años. Está siendo utilizado por desarrolladores, analistas, profesionales de datos de todo el mundo y definitivamente les permite realizar pronósticos comerciales precisos, avanzados y predictivos, lo que les ayuda a llevar su empresa adelante.

Preferido por industrias
R se utiliza como herramienta de minería de datos en comparación con sus principales competidores, tanto como herramienta primaria como secundaria.

Consigue un trabajo como científico de datos:
R tutorial lo hará elegible para todos los trabajos profesionales de datos actualmente disponibles y los que vendrán en el futuro.
Lea este blog como referencia.

¿Cómo ayudará Python?
Uno de los mayores beneficios de aprender Python es la eficiencia adicional de usar un lenguaje de programación en diferentes aplicaciones. Python se puede usar en todas las funciones, lo que hace que un profesional de datos sea experto en el manejo de cualquier consulta relacionada con datos.
Lea estos blogs como referencia:
http://bit.ly/1Jn8ASv
http://bit.ly/1L7YsKR

Requisito previo:
Solo necesita tener una comprensión clara de los fundamentos de las estadísticas y tener una buena capacidad analítica.

Si realmente toma en serio una carrera de análisis de datos, puede inscribirse en el curso Business Analytics with R en Edureka: http://bit.ly/1AMzPAAor para el curso de Python: http://bit.ly/1CE69lG.&nbsp ; La ventaja de tomar uno de estos cursos en este momento es que es un curso en línea, que puede aprender sin obstaculizar sus estudios actuales. Y, para cuando complete su título de ingeniería, será un profesional certificado de R o Python.
¡Todo lo mejor!

Comenzar su carrera como analista de datos o como científico de datos debería ser fácil para un estudiante de ingeniería, ya que es más probable que tenga habilidades básicas de programación.

Sin embargo, debe considerar elegir la ciencia de datos como un campo solo si está interesado en:

  1. Aprendizaje de habilidades de programación y herramientas como diseño de software, python, sql, unix, etc.
  2. Aprendizaje R, análisis de datos, técnicas estadísticas y aprendizaje automático.
  3. Visualización de datos de aprendizaje, análisis de redes sociales y big data (Hadoop y MapReduce).

En caso de que si está interesado en aprender y hacer su carrera en esto, puede tomar la profesión de científico de datos.

La guía paso a paso para aprender análisis de datos o ciencia de datos es:

  1. Construir estadísticas / fundamentos de aprendizaje automático
  • Se espera que un aspirante a científico de datos esté familiarizado con varias estadísticas o metodologías de aprendizaje automático utilizadas en la industria.
  • Uno puede comenzar desde lo básico, es decir, distribución normal, teorema del límite central, prueba de hipótesis y luego pasar a técnicas avanzadas, a saber. regresión lineal, regresión logística, árboles de decisión, análisis de conglomerados, modelos aditivos generalizados, etc.
  • Un libro recomendado para esto sería Los elementos del aprendizaje estadístico (por Hastie, Tibshirani y Friedman).

2. Adquirir habilidades técnicas en análisis

  • En lo que respecta a las herramientas en la industria analítica, SAS y SPSS solían ser populares antes de que la revolución del código abierto tomara por asalto a la industria. Las herramientas de código abierto como R y Python son la próxima gran novedad y tendría sentido invertir tiempo en ellas.
  • Hay suficientes recursos disponibles gratuitamente en la web para aprender tanto R como Python. Para las personas con habilidades de codificación en lenguajes orientados a objetos como Java, Python encontrará intuitivo. Pero R es la mejor herramienta (opinión personal) cuando se trata de modelado estadístico y también es la herramienta preferida en la academia.

3. Lea sobre las aplicaciones comerciales de Data Science

  • Dado que la ciencia de datos no se trata solo de mumbo jumbo técnico, sería realmente útil si uno comprende las aplicaciones comerciales de la misma y también conoce varios casos de uso exitosos.
  • Esto lo ayudará a ver el panorama general y también a uno bien equipado para comprender qué tipo de metodología se ajusta a un problema comercial en particular.

Puede aprender Data Science en línea con los diversos cursos que se ofrecen, pero creo que un curso más novedoso siempre debe optar por un curso combinado que brinde capacitación en el aula para adquirir el conocimiento adecuado, exposición de la industria para aprender las habilidades y construir una red y aprendizaje práctico en línea. En GreyAtom ofrecemos una verdadera experiencia de aprendizaje inmersivo combinado. Además, trabajará en Commit Live, un IDE personalizado desarrollado para ser incluido en el plan de estudios del curso.

En la actualidad, solo hay entre 10 000 y 15 000 científicos de datos en India y habrá una escasez de 2 científicos de datos lakh en India en los próximos años.

Ahora, para asegurarse de que su currículum capta los ojos cuando se presenta a una empresa de análisis, necesita algo de preparación. La preparación sería diferente para una persona más fresca que para alguien que ya tiene experiencia laboral en su haber, aunque en un dominio diferente. Para los graduados más nuevos en general de ingeniería o matemáticas / estadísticas, el enfoque se centra más en la resolución de problemas analíticos y la exposición a algún lenguaje de programación y luego pueden postularse a empresas de análisis para puestos de trabajo.

En la escuela GreyAtom , alineamos la educación con la realidad . GreyAtom se enfoca en crear ingenieros de ciencia de datos de Full Stack y le brinda todas las herramientas, técnicas y conceptos básicos necesarios para generar un impacto. En solo 14 semanas, aplicará la resolución de problemas y el pensamiento creativo a conjuntos de datos del mundo real, ganando experiencia en toda la pila de ciencia de datos.

Tendrá un historial de contribuciones de código abierto y ayudará a la comunidad más amplia de ingeniería de software (a través de Github, StackOverflow, un blog o similar).

Puede consultar los detalles del curso haciendo clic en este enlace Full Stack Data Science Engineering | Greyatom

Los datos realmente impulsan todo lo que hacemos. Si te apasiona la ciencia de datos y quieres redefinir tu carrera, visítanos en GreyAtom – Immersive Learning

Creemos en “Datos reales – Industria real – Socios de reclutamiento reales – Real Office (Classroom)”

Descargo de responsabilidad: Soy un éxito de Data Science [correo electrónico protegido]

Está completamente bien no tener idea, siempre que esté haciendo algo para rectificar esa falta.

El análisis de datos requiere una comprensión más profunda de las estadísticas y una competencia en Excel. Estos son los requisitos básicos, además de tener una fuerte inclinación hacia el razonamiento lógico. Por lo tanto, debe elegir Excel, estadísticas, diversas herramientas como Tableau, Alteryx y los conceptos básicos de análisis a través de cualquiera de los cursos de certificación en línea.

También puede leer esta guía para comenzar en Data Analytics desde cero escrita por un analista de datos en Mckinsey & Co.

Fortalezca sus habilidades de base de datos y sus algos. Lo más importante es que primero debe elegir un dominio comercial para centrarse en el tipo de análisis en el que desea trabajar.

More Interesting

La mujer de carrera (25) pierde la ambición después de casarse, ahora quiere hijos y medio tiempo, ¿es un mal ejemplo para sus futuros hijos y malo para su matrimonio?

¿Qué haces cuando odias tu futura carrera?

¿Es arriesgado cambiar de carrera si tengo 30 años y tengo muchas responsabilidades?

¿Es la arquitectura una buena opción de carrera en India?

¿Vale la pena invertir $ 2000 o menos en el mercado de valores a la edad de 21 años?

¿Debo elegir Hadoop o ETL en Informatica como mi opción profesional?

¿Cuál es una carrera profesional para elegir que no sea ingeniería o medicina después de la décima clase en India?

¿Por qué creo que unirte a una startup es el mejor movimiento profesional que puedes hacer hoy?

¿Debo dejar un trabajo que he tenido durante 14 años por otro trabajo por más dinero? He construido relaciones durante este tiempo con buenas personas. Dependen de mí para estar allí. Sin embargo, el dinero extra ayudaría a mi jubilación. ¿Qué harías?

Biólogo Computacional vs Científico de Datos (no biotecnológico): ¿Cuál es la mejor opción de carrera?

¿Cuáles son las opciones de trabajo en BMS?

¿Qué hace uno cuando no sabe lo que quiere hacer en cuanto a su carrera, pero sabe que odia su trabajo actual?

¿Cómo elijo una carrera cuando no estoy seguro de mis intereses?

¿Qué opción profesional es mejor para desarrollar una carrera profesional de 40 años, desarrollo de software o consultoría de gestión (estrategia)?

¿Es el SEO una buena elección de carrera?