¿Puede un ingeniero de software convertirse en un científico de datos?

¿Puede un ingeniero de software convertirse en un científico de datos?

Sí, es posible. Puede ser más fácil para algunas personas que para otras. Lo fácil que es cambiar a un rol de científico de datos de un rol de ingeniería de software realmente depende de qué tipo de software tenga experiencia en la construcción. Muy probablemente, ese ingeniero de software necesitaría realizar una educación a tiempo parcial o completo en Data Science.

Déjame ofrecerte un ejemplo de la vida real. Mi esposa tiene títulos en física e informática. Tiene varios años de experiencia trabajando con científicos de cultivos y tierra para construir modelos de software que predicen pérdidas económicas debido a fallas en los cultivos y calamidades naturales como terremotos, inundaciones, huracanes, tornados, etc. Tengo un título en Ingeniería Informática y un MBA. Tengo varios años de desarrollo de software y experiencia en liderazgo. También he completado recientemente un curso de certificación en Data Science, y hace un par de años liderando la entrega de herramientas de análisis de datos. ¿Quién, entre mi esposa y yo, sería más fácil cambiar a un rol de ciencia de datos? Has acertado: mi esposa. Es posible que necesite obtener una capacitación formal o un certificado, pero sería más adecuada para un papel de ciencia de datos que yo. Yo, por otro lado, necesitaría buscar oportunidades en mi rol actual para aplicar mis habilidades recién adquiridas. Si busco roles de científico de datos fuera de mi organización actual, realmente tendría que trabajar duro para convencer a otras personas de que estoy calificado para ser un científico de datos. Esa certificación que tengo ayudaría pero solo un poco. Una cartera de logros relacionados con la ciencia de datos sería mucho más convincente que un mero certificado.

El hecho es que la ciencia de datos, aunque es un término relativamente nuevo, existe desde hace mucho tiempo. Siempre que las computadoras se hayan utilizado para predecir los patrones climáticos, el resultado de los tratamientos médicos y los mercados de acciones y productos básicos, hemos estado utilizando la ciencia de datos. Por lo tanto, la mayoría de los ingenieros de software que desarrollaron algoritmos de predicción utilizando modelos estadísticos serían mucho más adecuados para un rol de científico de datos que alguien que solo tiene experiencia en el desarrollo de software.

En resumen, convertirse en un científico de datos es un viaje. Si ya conoce herramientas de análisis de datos e idiomas como SQL, R, Python, SPSS y SAS, el viaje es un poco más fácil. Si tiene experiencia o experiencia en estadísticas, o si usa modelos estadísticos para desarrollar algoritmos (como lo hace mi esposa) debido a su educación o empleo, sería aún mejor. El punto es llegar a un rol de desarrollo de software que no se parece a un rol de científico de datos, pero que aún así requiere que utilice el modelado estadístico.

Las tecnologías emergentes se han dividido en tres grandes plataformas.

1. Big Data (Científico de datos)
2. Computación en la nube
3. Robótica / Auomation

vamos a entender lo que hace un experto en datos !!

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 usan 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.

Responsabilidades del científico de datos

“Un científico de datos es alguien que es mejor en estadística que cualquier ingeniero de software y mejor en ingeniería de software que cualquier estadístico”.

En cualquier día, se puede requerir que un científico de datos:

Realizar investigaciones no dirigidas y formular preguntas abiertas a la industria

Extrae grandes volúmenes de datos de múltiples fuentes internas y externas.

Emplee sofisticados programas de análisis, aprendizaje automático y métodos estadísticos para preparar datos para su uso en modelos predictivos y prescriptivos.

Limpie y pode a fondo los datos para descartar información irrelevante

Explore y examine datos desde una variedad de ángulos para determinar las debilidades, tendencias y / u oportunidades ocultas.

Diseñe soluciones basadas en datos para los desafíos más apremiantes.

Inventar nuevos algoritmos para resolver problemas y crear nuevas herramientas para automatizar el trabajo.

Comunique predicciones y hallazgos a los departamentos de administración y TI a través de visualizaciones e informes efectivos

Recomendar cambios rentables en los procedimientos y estrategias existentes.

Cada empresa tendrá una visión diferente de las tareas laborales. Algunos tratan a sus científicos de datos como analistas de datos glorificados o combinan sus deberes con ingenieros de datos; otros necesitan expertos en análisis de alto nivel capacitados en aprendizaje automático intenso y visualizaciones de datos.

A medida que los científicos de datos alcanzan nuevos niveles de experiencia o cambian de trabajo, sus responsabilidades cambian invariablemente. Por ejemplo, una persona que trabaja sola en una empresa mediana puede pasar una buena parte del día en la limpieza de datos y munging. Se le puede pedir a un empleado de alto nivel en una empresa que ofrece servicios basados ​​en datos que estructurar proyectos de big data o crear nuevos productos.

Póngase en contacto con nosotros en [correo electrónico protegido] para obtener capacitación en Data scientist !!

Dividamos esta pregunta en pocas partes y luego trate de responderlas, ya que hay un par de puntos en los que pensar:

¿Se consideraría su experiencia laboral?

La respuesta depende del dominio en el que ha trabajado hasta ahora:

1. La experiencia no técnica no contará en sus trabajos de análisis: el único beneficio que puede obtener es que el entrevistador puede esperar que sea más maduro con su proceso de pensamiento / decisión.
2. La experiencia técnica (programación / SQL / servidor) se cuenta, pero solo se considerará como equivalente a 1 a 2 años de experiencia.
3. La consultoría / investigación contaría más. No se puede contar al 100%, pero se consideraría una fracción saludable.

¿Cuánto tiempo llevará encontrar un trabajo?

Bueno, depende principalmente de su currículum: cuántos cursos en línea ha completado, cuántas habilidades tiene y así sucesivamente … Será mejor revisar la lista de verificación que enumera todos los elementos esenciales y cómo prepararse para ellos aquí: Cómo convertirse en un científico de datos

Puede tomar entre 6 meses y un par de años, dependiendo de su agilidad de aprendizaje, habilidades para resolver problemas, habilidades de comunicación y presentación. Si eres sobresaliente en estos atributos, deberías conseguir un trabajo tan pronto como adquieras algunas habilidades técnicas. Una persona promedio suele tardar entre 6 y 12 meses después de adquirir las habilidades técnicas necesarias. Si toma algo más de 12 meses, debe intentar y volver a evaluar lo que va mal. Esto también dependería de la ciudad en la que se encuentre y la condición de la demanda en trabajos locales, etc.

No puedo decirlo porque no tengo suficiente información, pero tiendo a decir que no. No se asuste todavía porque tengo algunas cosas buenas que decir.

La transición de la “ingeniería de software” es difícil porque la mayor parte de lo que ha aprendido sobre SE será completamente inútil en el mundo de la ciencia de datos. Tendrás que desaprender algunas cosas, y tendrás que aprender varias cosas nuevas, especialmente en las áreas de matemáticas y estadísticas.

Los cursos de ML son buenos, pero probablemente no lo suficiente, necesita algo de experiencia en idiomas como R, Python y una buena base de estadísticas.

La buena noticia es que desea hacer el cambio, estoy feliz por eso porque creo que Data Science es muy divertido y creo que la ingeniería de software es aburrida. Si hay voluntad, hay una manera, pero tenga en cuenta que tendrá mucho trabajo que hacer, es como comenzar una nueva carrera completa.

Luis

Mi recomendación es tener al menos un proyecto de análisis o modelado realizado por diversión (utilizando datos públicos), para que pueda hablar sobre algo en su currículum y entrevistas, y luego ver si recibe una devolución de llamada para un puesto de científico de datos junior. Debe poner sus proyectos en línea para que los empleadores potenciales puedan revisarlos. Sugerencia: a todos les encantan los gráficos bonitos.

¡Buena suerte!

Tengo 20 años de experiencia en desarrollo de software y acabo de terminar una maestría en ciencia de datos en la universidad mejor calificada de mi país, graduándome con honores de primera clase.

Cuando se trata de ciencia de datos o incluso trabajos de ingeniero de aprendizaje automático, ni siquiera puedo entrevistarme.

Me han dicho que las compañías solo consideran habilidades transferibles para candidatos internos.

Estoy siendo considerado para roles de desarrollo en empresas que realizan investigación de aprendizaje automático, pero solo apoyaré a los desarrolladores de ML haciendo codificación regular que no sea de ML.

Es una transitación dura.

Quizás. Talvez no. Depende de muchas cosas.

Tiene experiencia en ingeniería de software, por lo que la codificación no será un problema.

Si eres lo suficientemente disciplinado para aprender realmente no solo, por ejemplo, los algoritmos de aprendizaje automático, sino también por qué y cómo funcionan, así como los supuestos que cada uno hace, sí, puedes hacerlo. Puede ser difícil entrar en esa posición incluso si adquiere su conocimiento, a menos que lo haga de la “manera normal”: generalmente obteniendo otro título.

El requisito es enviar su CV y ​​ver si obtiene entrevistas, los científicos de datos son empresas creadas por unicornios … En realidad, tiene un equipo de ciencia de datos, alguien bueno en estadísticas, programación (aprendizaje automático, etc.), back-end / servidor, ilustración, etc. El problema que veo es que debes tener algo de experiencia / conocimiento en los lenguajes de programación (R / Python / HADOOP parece ser popular) que usa el equipo.