¿Debo convertirme en un científico de datos o un ingeniero de software?

Ese es el dilema de mi vida 🙂

Descubrí que hay formas de combinar los dos. Un científico de datos no tiene que trabajar con datos y buscar patrones durante todo el día. También se pueden construir componentes que predicen algo en un dato, como parte de una pieza de software automática.

Por ejemplo, si está creando una aplicación de seguimiento de estado físico que se encarga de contar los pasos, tiene dos pasos principales para desarrollar la solución:

1. Algorítmico : tomar algunos datos que recopiló a priori y desarrollar un algoritmo que sea capaz de determinar cuántos pasos se han tomado. Esto podría tener:

• Investigando el problema
• Mirando los datos y encontrando patrones
• Procesando los datos (fft, etc.)
• Extrayendo más características
• Desarrollando la solución de predicción de punta a punta
• Evaluación del rendimiento del algoritmo.

2. Implementación de software : implementar el algoritmo:

• Obtenga los datos sensoriales de los sensores
• Asegúrese de que el algoritmo no falle (excepciones y demás)
• Cuida diferentes casos
• Asegúrese de que el rendimiento sea aceptable
• Enviar la salida a la interfaz de usuario / otros módulos

Entonces, esta tarea, que es esencialmente una tarea de “científico de datos”, tiene muchos desafíos tanto desde la perspectiva de los datos como desde la perspectiva de la implementación del software.

Estoy seguro de que hay muchos más ejemplos como este.

-EDITAR:

La pregunta había cambiado desde que escribí esta respuesta. La pregunta original era algo así como “¿Qué carrera debería seleccionar? ¿Ciencia de datos o desarrollo de software?

Déjame seguir la respuesta de Omri Mendels:
In Analyzing The Analyzers: un estudio introspectivo de científicos de datos y su trabajo (libro electrónico gratuito, requiere registro, resumen
aquí), Harlan D. Harris y sus coautores describen cuatro tipos de científicos de datos:

• Empresarios de datos : enfocados en productos y ganancias;
• Piratas informáticos : centrados en la piratería, visualización y herramientas de código abierto;
• Desarrolladores de datos : se centró en escribir software para realizar tareas analíticas, estadísticas y de aprendizaje automático, a menudo en entornos de producción.
• Investigadores de datos : apliquen su capacitación científica y las herramientas y técnicas que aprendieron en la academia a los datos de la organización.

Los autores recomiendan habilidades “en forma de T”: tener un poco de comprensión en los cuatro tipos y una formación más profunda en uno o dos tipos.

Como le gusta la ingeniería de software, ¿puede ser un hacker de datos o un desarrollador de datos? ¿O tal vez puedes combinar alguna parte de los cuatro tipos?
Al menos en algunas empresas de nueva creación, la misma persona necesita intervenir en ambos sectores: tomar datos, combinarlos, identificar características, construir un modelo e integrarlo en un producto de software más grande.

Y otro punto: ¿es aburrida la analítica? Consulte las respuestas a ¿Cuáles son algunas aplicaciones prácticas de big data? Me gustaría aprender algunos ejemplos específicos del mundo real sobre el tipo de datos que se recopilan y el tipo de análisis que se realiza. – En mi opinión, puede encontrar un dominio de aplicación de análisis que no le resulte aburrido.

La respuesta para esto realmente variará dependiendo de su interés, habilidades y pasión. Pero si hace esta pregunta en general, entonces diría que Data Science es más prometedor. Bueno, no lo digo yo, pero el mundo lo sabe ahora. Si revisa varios informes globales, Data Science es uno de los mejores trabajos, carreras y trabajos con un rango salarial más alto.

La vida de un científico de datos

• Los científicos de datos son grandes expertos en datos.
• Toman una enorme cantidad de puntos de datos desordenados (no estructurados y estructurados) y utilizan sus formidables habilidades en matemáticas, estadísticas y programación para limpiarlos, masajearlos y organizarlos.
• Luego aplican todos sus poderes analíticos: conocimiento de la industria, comprensión contextual, escepticismo de los supuestos existentes, para descubrir soluciones ocultas a los desafíos comerciales.

En la actualidad, solo hay entre 10 000 y 15 000 expertos en análisis y datos en la India y habrá una escasez de 2 científicos de datos lakh en la India en los próximos años. Big Data Analytics es una de las mejores habilidades

Full Stack Data Science Engineer es uno de los trabajos más solicitados en este momento. GreyAtom se enfoca en crear científicos de datos completos y le brinda todas las herramientas, técnicas y conceptos básicos necesarios para tener 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 que “Aprender = hacer trabajo real”

Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudar a las personas a encontrar carreras sostenibles en Data Science es mi pasión.

No vas a llegar a ninguna parte en Data Science sin un amor por todas las cosas matemáticas. Puede prescindir de gran parte de las matemáticas superiores en ingeniería de software, pero como científico de datos, se ocupará de las matemáticas superiores a diario. ¿Por qué? Porque eso es lo que te pagarán. Probablemente no te das cuenta de que el lenguaje de la ciencia es la matemática. La ciencia de datos se trata del desarrollo de métodos, no de la aplicación de métodos. Puede haber algunos cursos de “ciencia” de datos que solo se centran en la aplicación, en cuyo caso estos cursos simplemente están mal etiquetados como “ciencia”. Un término más apropiado para estos cursos sería “análisis”. Por lo tanto, simplemente debe especializarse en Ingeniería de Software. Puede trabajar como analista de datos (no científico) más adelante si toma algunas clases de estadísticas.

Bueno, debes seguir a tu corazón dependiendo de tus limitaciones (por dinero || por pasión || por placer || por desafíos, etc.)

¡Hoy en día, el término / función laboral Ingeniero de software se está volviendo extraño y el término / función laboral Analista de datos o científico de datos está en plena marcha!

Ahora, hay muchos ingenieros de software en todo el mundo. Decir aprox. El 60% son ingenieros de software (incluye aplicaciones front-end, back-end, end-to-end, DB, etc.), 10% probadores de software, 10% Infraestructura o roles administrativos, 10% científicos (que investigan algo nuevo ) y 10% otros.

Entonces, es tu decisión. Ya sea para ser uno de esos 60% o con 10%. Pero dado que el término “Datos” se está volviendo famoso debido a la gran cantidad de fragmentos de datos de varias fuentes, el% mencionado anteriormente probablemente se revertirá en el futuro.

“Casi todos los sitios web tienen datos y todas las personas tienen datos. Obtener datos de varias fuentes, vincular datos no correlacionados y presentarlos de una manera comprensible produce mejores beneficios. Estos científicos de datos no son nuevos roles. Las personas anteriores trabajaron en ‘Business Intelligence y Almacenamiento de datos ‘Pero ahora, cambiaron el nombre y exploraron no solo los datos comerciales sino todas las variedades de datos “.

Diseñe un plan sobre estadísticas de aprendizaje si desea estar en el primer 10% de científicos o analistas. Si no puede administrar el aprendizaje o las matemáticas ya no son su tema, entonces vaya con funciones de front-end, DB.

Si usted (o alguien) tiene un gran interés en cualquiera de los campos, entonces sí. Ninguno de ellos es un campo muy adecuado para las personas que los ven como un medio para obtener un ingreso o un título de moda, pero no están profundamente comprometidos a sobresalir en ellos.

ambos

Quiero ser muy directo aquí. La mayoría de los científicos de datos son personas que tienen una especialización en Ingeniería de Software pero no pueden codificar.