¿Cómo puede uno convertirse en un científico de datos después de BCom?

En general, creo que Data Science no se limita a una ciencia en particular. Muchos pensarían que la ciencia de datos es solo una opción de carrera para las personas que son buenas con las estadísticas o las matemáticas. No creo que esto sea completamente cierto. Si bien el tema forma su base en conceptos matemáticos y estadísticos, no es todo lo que la ciencia de datos tiene para ofrecer. En mi opinión, la ciencia de datos es mucho más que eso. Y de todos modos, no importa cuán lejos esté de este campo y sus conceptos, siempre puede aprenderlos. No hay límite de edad para aprender. Así que no importa si tienes un MBA o MS o incluso si eres un desertor. Con la dedicación y determinación necesarias, siempre puede llegar allí.

Sin embargo, hay algunos grados o especializaciones que implican que tiene un conocimiento suficiente de las asignaturas, lo que realmente puede aumentar el tiempo necesario para convertirse en un científico de datos si tiene suficiente conocimiento de las siguientes asignaturas o incluso una licenciatura o maestría en cualquiera de estos campos. : –

  • Matemáticas
  • Estadística
  • Ciencias de la Computación
  • Cualquier título que gira en torno a la ciencia de datos.

Si eres un aspirante a científico de datos y realmente lo suficientemente entusiasta como para aprender ciencia de datos, no creo que un título haga una gran diferencia. Aunque un título le daría peso a su currículum, no puede evitar que se convierta en un científico de datos. Y también creo que el conocimiento de cualquier cosa, desde el grado, será útil en algún momento de la vida. Si tiene suficiente conocimiento y dedicación, la falta de certificados y títulos no puede detenerlo. Al final, debe tener un buen conocimiento de estos temas para poder convertirse en un científico de datos. Forman la base de la ciencia de datos.

Fundación

  • Python Básico, Intermedio y Avanzado
  • Estadística, probabilidad y álgebra lineal
  • Regresión lineal, series de tiempo y función de costo
  • Tipos de datos y análisis exploratorio de datos
  • Recopilación, extracción, consulta, limpieza y agregación de datos para análisis
  • Fuentes de datos, limpieza y disputas
  • Trabajando con API
  • Raspado web

Esto lo ayudará a aprender los temas avanzados de la ciencia de datos más rápido y en profundidad. Una vez que tenga un conocimiento profundo de estos temas, su comprensión de los conceptos se vuelve flexible.

Nuevamente, el método para dominar no debería ser simplemente obtener el conocimiento teórico de estos temas. Data Science es un campo donde necesita practicar más. Creo que al final es la combinación perfecta de conocimiento práctico y teórico que hará la magia. Para garantizar que su trabajo tenga credibilidad, le recomendaría que use plataformas sociales como kaggle, github y stackoverflow. Esto definitivamente agregará peso a su currículum. Además, debe comenzar a asistir a reuniones relacionadas con la ciencia de datos. En mi opinión, es una excelente manera de construir una red sólida y aprender de profesionales experimentados.

Aparte de esto, la ética, la dedicación, la autodisciplina y el compromiso también son importantes.

Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.

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…

Como usted no tiene antecedentes técnicos, le recomendaría que se convirtiera en analista de datos y que aprenda todas las técnicas de análisis de datos con Excel.

Excel con su amplia gama de funciones lo ayuda a generar información a partir de los datos.

Sin embargo, generalmente si una organización usa Excel, generalmente se usa en TODA la compañía. Gran ventaja Eso significa que en una gran empresa, miles de analistas pueden hablar el mismo idioma y compartir ideas, incluso al mismo tiempo. Diferentes niveles incluidos; desde el reportero básico hasta el usuario sofisticado de datos. Muy pocas herramientas pueden reclamar esa cantidad de alcance entre varios niveles de usuarios en toda la empresa.

Si bien la interfaz es simple, se puede ampliar a través de complementos para escala (PowerBI), funcionalidad (StatTools para mejores estadísticas), visualización (tablero de instrumentos, PowerBI, Plotly, minigráficos y automatización (Autohotkey), etc. Muchos de los complementos- Los complementos son de código abierto.

Excel es una herramienta fenomenal para el análisis de datos, y casi todos lo usan. ¿Quiere saber más sobre los usos de Excel como un conjunto de habilidades para el analista de datos? Descargue un plan de estudios detallado y hable con nuestros expertos en análisis de datos.

Espero que esto ayude.

Si ya tienes experiencia en matemáticas, esa es una gran noticia. Será relativamente más fácil para usted ingresar al campo Ciencia de datos. Pero si no tiene ese tipo de formación académica, debe comenzar desde cero. Primero tiene que aprender conceptos matemáticos y estadísticos relevantes. Tienes que ser minucioso con lo básico y un poco más. Hay una gran cantidad de material de estudio disponible en línea de forma gratuita.

Después de haberse equipado con conocimientos de matemáticas y estadísticas, puede tomar un curso de Ciencias de datos de una institución de renombre. Estos cursos se centran en la enseñanza de la ciencia de datos a un nivel intensivo y ofrecen pasantías y asistencia de colocación.

Estas son algunas de sus opciones si desea inscribirse en un curso de ciencias de datos:

  • Manipal ProLearn
  • AnalytixLabs
  • Edureka
  • Upgrad
  • IMS Pro School
  • INSOFE
  • Simplilearn

Puede optar por el programa residencial de 11 meses ofrecido por Manipal ProLearn. Se brindan oportunidades de pasantía junto con asistencia de colocación para completar con éxito el curso.

Buena suerte.

Hola Sakib

Es bueno saber tu interés. Intente aprender herramientas básicas de análisis y visualización, y dominar las matemáticas y las estadísticas es muy obligatorio. Data Scientist no es un paso nocturno. Primero, sea un analista de datos de calidad. La implementación de múltiples algoritmos en los datos resultaría como un científico de datos

El plan de estudios tiene una estrecha integración con los enfoques más actuales de Oracle Corporation para la gestión de la tecnología de Big Data y el análisis empresarial.