Permíteme ser elaborado. La respuesta depende del tipo de trabajo que desee realizar en Data Science. En cualquier caso, debe examinar detenidamente el programa de estudios del curso de ‘Ciencia de datos’ de la universidad a la que está postulando.
Si bien la estructura del curso de asignaturas como Ingeniería Eléctrica, Aprendizaje Automático, etc. es bastante estándar, lo mismo no es válido para cursos como Data Science o Analytics, que es muy amplio. Las universidades solo están sacando provecho de la ‘palabra de moda’, francamente, nunca puede haber una verdadera MS en ‘Big Data‘. o ‘ciencia de datos‘
Dicho esto, es mejor obtener claridad sobre algunos de los roles / posiciones en la industria analítica y luego tomar la decisión. Al igual que con cualquier industria, hay dos divisiones amplias, la analítica como una oferta de productos de software o la analítica como un servicio de consultoría. Hay 4-5 roles, es decir, científico de datos, ingeniero de aprendizaje automático, ingenieros de software, analistas de negocios, consultores.
- ¿Es bueno tener un plan de carrera al comienzo de la escuela secundaria?
- ¿Cómo se debe elegir opcional para el UPSC?
- Actualmente soy desarrollador en una reconocida empresa india de TI durante los últimos dos años. Siempre me ha gustado la tecnología. ¿Debo buscar un MBA / MS?
- ¿Cómo van a afectar los despidos a las personas indias de TI? ¿Hay alguna tecnología en particular a la que apuntan o en general?
- ¿Debo dejar un trabajo feliz por más dinero?
1) Científico de datos: por lo general, un científico de datos real es el que puede y debe desempeñar todas las funciones, pero como su nombre lo indica, son científicos, experimentan con los datos de varias maneras para encontrar soluciones a los problemas existentes, así como para encontrar nuevos Oportunidades de negocio utilizando solo el análisis de datos. Matemáticamente esto se traduce en hipótesis complejas, experimentos que a su vez se traducen en algoritmos. Una vez que establecen sus hallazgos, redirigen el trabajo a Modeladores e Ingenieros para producir y escalar la solución. Habilidades fuertes: estadísticas, experiencia en el dominio, suficiente programación para implementar y probar su hipótesis.
2) Ingeniero de Aprendizaje Automático / Modelador de Datos: el aprendizaje automático no es necesario en todos los proyectos de análisis de datos, pero se ocupan de todos los datos desordenados y algoritmos complejos como agrupamiento, regresión, clasificación, predicción, etc. para llegar a una solución técnica / matemática . Estas personas generalmente trabajan sincronizadas con los ingenieros de software y de bases de datos para finalmente producir el código para desarrollar una solución escalable y cuando las cosas fluyen de la memoria, ¡BANG! también necesita un ingeniero con habilidades de computación distribuida y hadoop. Habilidades fuertes: Algoritmos, Programación fuerte, suficiente conocimiento de matemáticas / estadísticas para entender lo que el científico de datos está pidiendo.
3) Analistas de negocios: Convierten los problemas de negocios en problemas técnicos / matemáticos y viceversa con la solución, generalmente el rol consiste en combinar resultados técnicos, comprender su interpretación comercial y finalmente dar recomendaciones comerciales. Habilidades clave: presentación, interpretación de resultados estadísticos, programación moderada en R o SAS
4) Consultores: estas personas son responsables de tratar con los clientes, comprender los problemas / requisitos del negocio, presentar la solución, etc. En términos de análisis, nunca van más allá de las estadísticas básicas sobre un pequeño conjunto de datos.
Ahora puede decidir en qué rol desea participar y qué ofrece cada curso para seleccionar un curso