La respuesta sobre cómo prepararse para la carrera en Data Science se puede encontrar en:
¿Cómo me convierto en un científico de datos?
¿Puedo convertirme en un científico de datos autodidacta?
Big Data
Ciencia de los datos
Como mencionó que ha realizado algunos cursos introductorios en análisis de datos, supongo que está familiarizado con Coursera, Edx, Udacity, Novoed y sitios de alojamiento de MOOC similares.
- ¿Cuál es un buen cambio de carrera para un gerente de proyectos de desarrollo web que tiene dificultades para administrar proyectos complejos?
- Si me gradúo como estudiante que no es CS y quiero obtener una educación CS completa, ¿cuáles son mis opciones? ¿Qué hacen las personas si quieren cambiar de carrera?
- Mientras estoy diseñando columnas, ¿cómo puedo encontrar una columna crítica? ¿Es una columna de esquina o una columna central?
- Mi falta de conocimiento técnico me está frenando. Necesito ser más técnico. ¿Dónde debería comenzar? ¿Qué recursos debo usar?
- ¿Cuál es el alcance de la ingeniería en Nepal?
Con respecto a las empresas a las que debe dirigirse, puede obtener buenas ideas desde aquí:
¿Cuáles son las startups más populares en el espacio analítico?
El resto de mi respuesta se concentraría en cómo se puede avanzar en la carrera profesional en el campo de la ciencia de datos …
Un buen número de expertos establecidos en ciencia de datos enfatizan que más que un MS / PhD, buscan el tipo de trabajo o proyectos que uno ha realizado en el espacio de análisis / ciencia de datos. Por lo tanto, sería una buena idea participar en competiciones como las organizadas por Kaggle.
Pero para eso, uno necesita una buena base en:
- Matemáticas (Estadística: abordaje frecuentista y bayesiano, álgebra lineal, probabilidad, etc.)
- Aprendizaje automático
- Programación (para realizar una recopilación de datos básicos, munging y visualización para un análisis de datos más pesado algorítmicamente). Por lo tanto, un buen conocimiento de algunas de las herramientas de análisis de datos populares como Python, R, SAS, SPSS, Julia, etc. le dará una ventaja
- Como un científico de datos debe ser capaz de comprender la necesidad comercial y hacer su análisis para resolver la pregunta comercial, el buen conocimiento de cómo funciona el negocio tampoco perjudica
- y muchos más…
Te sugiero que comiences construyendo tus fundamentos en matemáticas, conceptos y algoritmos de aprendizaje automático … y luego comiences a aprender cómo implementar esos conceptos a través de un lenguaje de programación.
Una vez que estés cómodo hasta aquí, elige un proyecto o compite en Kaggle.
Este debería ser un buen comienzo para construir su perfil.
Mucha suerte 🙂