¿Es demasiado tarde para que un deportista de casi 40 años se convierta en científico de datos?

¿Demasiado tarde? De ningún modo. Los científicos de datos provienen de todo tipo de entornos y edades. Hace un tiempo, escribí sobre algunos recursos gratuitos que puedes usar para aprender ciencia de datos por tu cuenta. Esto estaba orientado principalmente a las personas que querían postularse a la Data Science Fellowship gratuita de The Data Incubator como una guía útil para comenzar, pero es un lugar útil para comenzar, independientemente de dónde quieran postularse para ser científicos de datos. Romperé mi respuesta en dos partes:

1. Recursos gratuitos desglosados ​​por tema: si bien se trata de esto con una experiencia en aprendizaje automático, hay otros aspectos útiles de la ciencia de datos para aprender. La respuesta es de interés más general.
2. Fuentes de datos gratuitas con las que puede obtener experiencia práctica. Uno de los pilares de nuestra comunidad de ciencia de datos es la construcción de un proyecto final que se utiliza para mostrar sus nuevos conocimientos de ciencia de datos.

# 1: Nuevos temas para aprender [publicación original]

Aquí hay cinco habilidades importantes para desarrollar y algunos recursos sobre cómo ayudarlo a desarrollarlas. Si bien no esperamos que nuestros solicitantes posean todas estas habilidades, la mayoría de los solicitantes ya tienen una sólida formación en muchos de ellos.

1. Desguace : hay una gran cantidad de datos disponibles, por lo que deberá aprender cómo acceder a ellos. Ya sea JSON, HTML o algún formato homebrew, debería poder manejarlos con facilidad. Los lenguajes de script modernos como Python son ideales para esto. En Python, mire paquetes como urllib2, solicitudes, simplejson, re y beautiful soup para facilitar el manejo de solicitudes web y formatos de datos. Los temas más avanzados incluyen manejo de errores (reintentos) y paralelización (multiprocesamiento).
2. SQL : una vez que tenga una gran cantidad de datos estructurados, querrá almacenarlos y procesarlos. SQL es el lenguaje de consulta original y su sintaxis es tan frecuente que hay interfaces de consulta SQL para todo, desde sqldf para marcos de datos R hasta Hive para Mapreduce. Normalmente, tendría que pasar por un proceso de instalación doloroso para jugar con SQL. Afortunadamente, hay un buen tutorial interactivo en línea disponible donde puede enviar sus consultas y aprender de forma interactiva. Además, Mode Analytics tiene un gran tutorial dirigido a científicos de datos, aunque no es interactivo. Cuando esté listo para usar SQL localmente, SQLite ofrece una versión de SQL fácil de instalar.
3. Marcos de datos : SQL es excelente para manejar grandes cantidades de datos, pero desafortunadamente carece de aprendizaje automático y visualización. Por lo tanto, el flujo de trabajo a menudo es utilizar SQL o mapreduce para obtener datos a un tamaño manejable y luego procesarlos usando bibliotecas como los marcos de datos de R o los pandas de Python. Para Pandas, Wes McKinney, quien creó los pandas, tiene un gran video tutorial en youtube. Míralo aquí y sigue leyendo el código de Github.
4. Aprendizaje automático : se puede hacer mucha ciencia de datos con seleccionar, unir y agrupar (o, de forma equivalente, asignar y reducir), pero a veces es necesario realizar un aprendizaje automático no trivial. Antes de saltar a algoritmos más sofisticados, pruebe algoritmos más simples como Naive Bayes y regresión lineal regularizada. En Python, estos se implementan en scikit learn. En R, se implementan en las bibliotecas glm y gbml. Debes asegurarte de entender los conceptos básicos realmente bien antes de probar algoritmos más sofisticados.
5. Visualización : la ciencia de datos se trata de comunicar sus hallazgos, y la visualización de datos es una parte increíblemente valiosa de eso. Python ofrece un trazado similar a Matlab a través de matplotlib, que es funcional, incluso si carece ascéticamente. R ofrece ggplot, que es más bonito. Por supuesto, si realmente te tomas en serio las visualizaciones dinámicas, pruebad3.

Estas son algunas de las habilidades fundamentales que serán invaluables para su carrera como científico de datos. Si bien solo cubren un subconjunto de lo que hablamos en The Data Incubator (hay mucho más que cubrir en estadísticas, aprendizaje automático y reducción de mapas), este es un gran comienzo. Para obtener una lista más detallada de temas, puede consultar esta gran infografía:

# 2: Fuentes de datos interesantes: [publicación original]

En The Data Incubator, llevamos a cabo una beca gratuita de seis semanas de ciencia de datos para ayudar a nuestros Fellows a trabajar en la industria de la tierra. A nuestros socios de contratación les encanta considerar a los Fellows a quienes no les importa ensuciarse las manos con los datos. Es por eso que nuestros Fellows trabajan en proyectos geniales que muestran esas habilidades. Uno de los mayores obstáculos para proyectos exitosos ha sido obtener acceso a datos interesantes. Aquí hay algunas fuentes de datos públicos interesantes que puede usar para su próximo proyecto:

Datos económicos:

1. Datos de mercado negociados públicamente : Quandl es una fuente sorprendente de datos financieros. Google Finance y Yahoo Finance son buenas fuentes adicionales de datos. Las presentaciones corporativas ante la SEC están disponibles en Edgar.
2. Datos del precio de la vivienda: puede utilizar la API de Trulia o la API de Zillow. En el Reino Unido, puede encontrar el precio pagado en las ventas de viviendas y el precio medio histórico de la vivienda por región (use esta herramienta para traducir entre código postal y lat / long).
3. Datos de préstamos: puede encontrar los impagos de préstamos estudiantiles por universidad y la colección completa de préstamos entre pares de Lending Club y Prosper, las dos plataformas más grandes en el espacio.
4. Datos de la hipoteca de la vivienda: la Ley de Divulgación de Hipotecas de Vivienda pone a disposición datos y hay muchos datos de la Agencia Federal de Financiación de la Vivienda disponibles aquí.

Datos de contenido:

1. Revise el contenido: puede obtener reseñas de restaurantes y lugares físicos de Foursquare y Yelp (ver geodatos). Amazon tiene un gran repositorio de reseñas de productos. Las reseñas de cerveza de Beer Advocate se pueden encontrar aquí. Rotten Tomatoes Los comentarios de películas están disponibles en Kaggle.
2. Contenido web: ¿ busca contenido web? Wikipedia proporciona volcados de sus artículos. Common Crawl tiene un gran corpus de internet disponible. ArXiv mantiene todos sus datos disponibles a través de la descarga masiva de AWS S3. ¿Quieres saber qué URL son maliciosas? Hay un conjunto de datos para eso. Los datos de música están disponibles en la Base de datos Million Songs. Puede analizar los patrones de preguntas y respuestas en sitios como Stack Exchange (incluido Stack Overflow).
3. Datos de los medios: hay artículos anotados abiertos del New York Times, Reuters Dataset y el proyecto GDELT (una consolidación de muchas fuentes de noticias diferentes). Google Books ha publicado NGrams para libros que se remontan a 1800.
4. Datos de comunicaciones: hay acceso a mensajes públicos de Apache Software Foundation y de comunicaciones entre ex ejecutivos de Enron.

Datos del gobierno:

1. Datos municipales: los datos sobre delitos están disponibles para la ciudad de Chicago y Washington DC. Los datos de inspección del restaurante están disponibles para Chicago y la ciudad de Nueva York.
2. Datos de transporte: los viajes en taxi de Nueva York en 2013 están disponibles por cortesía de la Ley de Libertad de Información. Hay datos de bicicletas compartidas de Nueva York, Washington DC y SF. También hay datos de retraso de vuelo de la FAA.
3. Datos del censo: datos del censo japonés. Datos del censo de EE. UU. De 2010, 2000, 1990. De los datos del censo, el gobierno también ha derivado datos sobre el uso del tiempo. Datos del censo de la UE. Vea los nombres populares de bebés masculinos / femeninos que se remontan al siglo XIX de la Administración del Seguro Social.
4. Banco Mundial: tienen muchos datos disponibles en su sitio web.
5. Datos electorales: los datos de contribución política de las últimas elecciones estadounidenses se pueden descargar de la FEC aquí y aquí. Los datos de las encuestas están disponibles en Real Clear Politics.
6. Datos de alimentos, medicamentos y dispositivos: El USDA proporciona información basada en la ubicación sobre el entorno alimentario en su Atlas de alimentos. La FDA también proporciona una serie de conjuntos de datos públicos de alto valor.

Datos con una causa:

1. Datos ambientales: los datos sobre el uso de energía en el hogar están disponibles, así como los datos climáticos de la NASA
2. Datos médicos y biológicos: puede obtener cualquier cosa, desde registros médicos anónimos, lectura remota de sensores para individuos, hasta datos sobre los genomas de 1000 individuos.

Diverso:

1. Datos geográficos: intente buscar en estos conjuntos de datos de Yelp lugares cercanos a las principales universidades y uno para las principales ciudades del suroeste. La API de Foursquare es otra buena fuente. Open Street Map también tiene datos abiertos sobre lugares.
2. Datos de Twitter: puede obtener acceso a los Datos de Twitter utilizados para el análisis de sentimientos, los Datos de Twitter de la red y los datos sociales de Twitter, además de su API.
3. Datos de juegos: se encuentran disponibles conjuntos de datos para juegos, que incluyen un gran conjunto de datos de manos de póker, un conjunto de datos de Domion Games en línea y conjuntos de datos de juegos de ajedrez. Gaming Unplugged Since 2000 también tiene una gran base de datos de juegos, precios, artistas, etc.
4. Datos de uso de la web : los datos de uso de la web son un conjunto de datos común que las empresas buscan para comprender el compromiso. Los conjuntos de datos disponibles incluyen datos de uso anónimos para MSNBC, el historial de compras de Amazon (también anónimo) y el tráfico de Wikipedia.

Metasources: estas son excelentes fuentes para otras páginas web.

1. Datos de la red de Stanford: http://snap.stanford.edu/index.html
2. Cada año, el ACM lleva a cabo una competencia para el aprendizaje automático llamada KDD Cup. Sus datos están disponibles en línea.
3. UCI mantiene archivos de datos para el aprendizaje automático.
4. Datos del censo de EE. UU.
5. Amazon aloja conjuntos de datos públicos en s3.
6. Kaggle alberga desafíos de aprendizaje automático y muchos de sus conjuntos de datos están disponibles públicamente.
7. Las ciudades de Chicago, Nueva York, Washington DC y SF mantienen almacenes de datos públicos.
8. Yahoo mantiene muchos datos sobre sus propiedades web que pueden obtenerse escribiéndolos.
9. BigML es un blog que mantiene una lista de conjuntos de datos públicos para la comunidad de aprendizaje automático.
10. GroupLens Research ha recopilado y puesto a disposición conjuntos de datos de calificación del sitio web MovieLens.
11. Finalmente, si hay un sitio web con datos que le interesen, ¡búsquelo!

¿Es demasiado tarde? No en realidad no.

Si crees en la exageración, y ciertamente siento que es real, entonces el mercado de EE. UU. Está viendo una escasez extrema de mano de obra con habilidades fundamentales de análisis de datos. Aprender tales habilidades no tiene un factor limitante de edad fuera de su propia propensión a aprender.

En cuanto a ser un deportista, bueno, eso no es realmente relevante, suponiendo que también puedas aprender, programar, hacer estadísticas y trabajar con datos. Incluso podría ayudarlo a obtener una ventaja en hacer ciencia de datos en los campos del atletismo. El aprendizaje automático en deportes profesionales y universitarios ocurrirá, tarde o temprano, si no es que ya.

En cuanto al título de ‘Data Scientist’. No siempre (muchas excepciones aquí), pero por lo general, se adjuntan títulos específicos en torno a ese título, incluidos los másteres o doctorados. Pero es solo un título. Conozco a muchas personas que hacen un trabajo mucho más interesante y poderoso con títulos menores.

EDITAR: Agregar dónde comenzar

Entonces, ¿por dónde empiezas? En los fundamentos: trabajar con datos, programación y estadísticas. En ese orden.

Trabajando con datos

Un recurso excelente (y en su mayoría gratuito) es Codecademy (Learn to code): tienen cursos sobre SQL y programación. Pero también hay Mode Analytics (SQL School), y Code School también es un gran recurso (Pruebe SQL). Una vez que comience a comprender cómo funcionan las bases de datos y cómo extraer datos de ellas, entonces es hora de comenzar a hacer algo con esos datos.

Programación

A partir de cero, probablemente tendrá que dar un paso atrás y jugar en un lugar como Google Sheets o Microsoft Excel para familiarizarse con la idea de transformar los datos. Aplicando fórmulas y búsquedas para tomar datos sin procesar y ponerlos en una forma más útil. Si está familiarizado con esto, entonces es hora de comenzar a programar. Elija un idioma: Python o R, o lo que le interese, y comience tutoriales sobre cómo usar los datos dentro de ellos. Tanto Python como R son lenguajes poderosos, pero primero debes conocer los conceptos básicos: introducir datos de tu base de datos en ellos y los conceptos básicos para controlar esos datos dentro de ellos.

Estadística

El poder de Python y R (entre muchos otros atributos increíbles) está en su capacidad para realizar matemáticas muy complejas (cosas como aprendizaje automático o visualizaciones de datos sofisticadas) y una sintaxis relativamente no terrible. Para poder hacer esto, suponiendo que ahora tenga sus datos en una condición utilizable, necesita conocer estadísticas (y tal vez algún cálculo, al menos en teoría). Un intervalo de confianza no significa mucho si no puede interpretar los resultados, y es difícil saber qué modelo es apropiado si no comprende los supuestos subyacentes de ese modelo. Por esta razón, y muchas más, una columna vertebral estadística no solo es útil, sino casi necesaria. Coursera ( https://www.coursera.org/courses… ), Udacity y otros MOOC pueden ayudar aquí.

Otro consejo:

• Encuentre un proyecto para trabajar. Algo no demasiado grande, pero que combina todo lo anterior y le brinda algo para trabajar y conducir a medida que aprende. Probablemente iterará y volverá a crearlo muchas veces a medida que mejoren sus habilidades.
• Utilice lugares como StackOverflow con preguntas (¡pero, por favor, busque preguntas similares diligentemente primero!).
• Encuentre un mentor, alguien que conozca que ya está haciendo esto, y solicite tutoría y ayuda para hacerlo. Haz que valga la pena (cerveza … café … gracias, etc.).
• Comprenda que hay una curva de aprendizaje, con la mayoría de las cosas, y que llegará a mesetas, y sentirá a veces que ha golpeado una pared. Esto es parte del proceso de aprendizaje. Sigue así, sigue intentando, sigue aprendiendo, sigue preguntando, sigue buscando respuestas.

¡Buena suerte!

Demasiado tarde, no. Estoy en mis 40 años, y simplemente cambié con éxito a la ciencia de datos. Sin embargo, te refieres a ti mismo como un deportista. Si así es como piensa, a diferencia de lo que ha sido su carrera hasta ahora, tendrá un camino muy difícil por delante.

Elegir un conjunto de nuevas herramientas de análisis no es tan difícil. Después de todo, la ciencia de datos es, en esencia, una ciencia. Si eres cualquier tipo de científico capacitado, puedes estar listo para ingresar al mercado laboral en unos pocos meses de estudio intensivo.

Asistí al programa inmersivo de ciencia de datos Galvanize en Denver. 3 meses después, y todos en mi cohorte están siendo perseguidos por compañías que desean nuestros servicios. Pero Galvanize tiene estándares de admisión extremadamente altos. Tenía una maestría en IA, 22 años trabajando en el desarrollo de software para IBM, y todavía no me aceptaron en mi primer intento.

Necesita algo más que familiaridad con las matemáticas y la programación. Debe ser tan claro en sus habilidades en estas áreas que ni siquiera las cuestione. Vaya a la academia khan en línea y vea todos sus videos de estadísticas. Haga todos los problemas, hasta que sea una segunda naturaleza que sepa cosas como la diferencia entre la media de una población y la media de una muestra de la población. Trabaje a través de la clase en línea para la programación Python de Google.

El trabajo de preparación en línea no lo convertirá en un científico de datos. Solo hacer ciencia de datos, mucha ciencia de datos, lo hará. Pero le mostrará si este es un campo que hace que su corazón lata más rápido, que llene sus sueños por la noche y que lo haga saltar de la cama por la mañana para volver a la computadora.

Si así es como se siente después de una breve exposición, tiene lo necesario para convertirse en un científico de datos, independientemente de su edad o antecedentes. Y si no te sientes así … mejor aprender eso ahora, antes de invertir tiempo, dinero y sueños en algo que nunca valdrá la pena.

Déjame tomar un poco de tangente aquí …

Recientemente he leído mucho sobre neuroplasticidad, gracias a una gran cantidad de lectura sobre hábitos de aprendizaje. Si bien es cierto que ciertas funciones neuronales se establecen bastante temprano en la infancia, eso no es cierto para la mayoría de nuestros pensamientos. Proporcionaré un ejemplo para ilustrar esto: a pesar del apuro de abrazar a la juventud absoluta en Silicon Valley, el hecho es que los fundadores de startups de alto crecimiento más exitosos son más viejos de lo que piensas, de hecho, según Time, “inicio de alto crecimiento- los ups tienen casi el doble de probabilidades de ser lanzados por personas mayores de 55 años que por personas de 20 a 34 años “.

No puedo pensar en un período más intenso de aprendizaje concentrado que fundar su propia empresa. Estoy convencido de que si ese es el modelo para el éxito, la edad no es impedimento para la mayoría del aprendizaje.

Para desglosar su pregunta en sus puntos técnicos, ser un científico de datos en general requiere que tenga la capacidad de pensar estadísticamente , implementar algorítmicamente y a escala (lo que implicará algo de programación) y comunicarse efectivamente con los miembros del equipo y el liderazgo de cualquier empresa . Nunca he visto ninguna investigación empírica que te limite significativamente con ninguno de estos a medida que envejeces.

Respuesta larga corta: no es demasiado tarde. Solo tienes que poner las horas.

He preparado una guía de carreras de ciencia de datos que puede ayudarlo a dar los primeros pasos.

Tienes algunas buenas respuestas aquí.

Es demasiado tarde si crees que es demasiado tarde. Y cómo piensas acerca de las palabras “demasiado tarde”.

¿Puedes convertirte en lo que quieras ser en poco tiempo? Bueno, depende de lo que quieras hacer, qué tan bien lo entiendas, etc., y si tienes muy poco fondo, tratar de comprimir la cantidad de tiempo te pondrá más ansioso y hará que sea más difícil hacerlo (si piensas de esa manera, de todos modos … la mayoría de las personas que conozco lo hacen, incluido yo mismo).

Así que no pienses en las cosas en poco tiempo. Piense si puede permitirse (especialmente si tiene una familia) el tiempo que podría llevarle cambiar de marcha, siendo lo más realista posible … incluso pesimista. Hacer un plan. Si te vale la pena personalmente, pon el plan en marcha.

Pregúntese, una vez que tenga una idea de lo que necesita y lo que tomará, si es una buena opción para usted (y su familia, si tiene una). No espere la respuesta de nadie más, aunque puede tomar ellos en consideración.

Si crees que puedes hacerlo, y vale la pena hacerlo, y has hecho un plan buscando varias opciones, fallos y escenarios, simplemente hazlo, tan pronto como puedas. Una vez que se establece su curso de acción, no vacile ni dude, aunque debe permanecer relativamente consciente de lo que está sucediendo y de lo que está sucediendo, en caso de que necesite cambiar un poco el rumbo.

Realmente no. Empecé a los 37 o 38 años. Sin embargo, hay una trampa. No solo estaba aprendiendo. Tuve que aplicarlo a diario. En cierto modo tuve que resolverlo. Eso acelera todo considerablemente.

Sin embargo, la mayoría de las preguntas como la suya tienden a encontrar una generalización general y eso me parece peligroso. Por ejemplo, no tengo idea de cuántas horas por semana puedes dedicar a estudiar. O lo inteligente que eres. O incluso si es muy inteligente, si aprende rápido.

Todas estas cosas son más impactantes que la edad. He recibido muchos elogios por el cambio rápido y exitoso en mi carrera en la forma de personas que dicen que debo ser realmente inteligente. En verdad, fue todo un trabajo duro y una oportunidad en la forma de tener que trabajar en el mundo real con todo lo que estaba aprendiendo.

Toma eso en consideración. La edad no es el mayor obstáculo que enfrentarás.