ATA Por lo que vale, no tengo una maestría (bueno, un MBA) y me dicen que soy un científico de datos. Sin embargo, tengo experiencia en CS y alrededor de una década de autoestudio / práctica / escuela de calificación de golpes duros.
Tu título en psicología no está ni aquí ni allá, aunque te califica de forma única para un papel en el que la comprensión de las ciencias sociales o el comportamiento es aditiva.
Parece que le faltan los otros dos elementos de la ciencia de datos: estadísticas / matemáticas aplicadas e ingeniería de software. La ingeniería tiene una curva de aprendizaje temprano relativamente plana, ya que es bastante fácil aprender un lenguaje de secuencias de comandos y hacer algo, y poner parte de eso en un rol de nivel de entrada donde puedes aprender más y volver y recoger el conocimiento fundamental.
- No tengo sentido comercial. ¿Cuáles son algunos buenos consejos y habilidades para que yo tenga una mentalidad empresarial?
- Cómo obtener un salario de 100k en Europa
- ¿Qué te inició en el negocio de la seguridad cibernética?
- ¿Qué es diferente cuando administra empleados con cláusula de 'acuerdo de no competencia' en su contrato?
- ¿Cómo es la ingeniería mecánica en VIT Vellore?
Las estadísticas y las matemáticas aplicadas tienen una curva de aprendizaje más pronunciada, ya que se necesita un mayor conocimiento para comenzar y ser efectivo.
El primer paso es probablemente descubrir cuánto disfruta tanto de estadísticas como de ingeniería con algunos MOOC. Si no estás bastante entusiasmado con el material, sabrás que no es para ti.
Es difícil recomendar una maestría en estadísticas o ingeniería, ya que puede ser un gran salto. Considere los programas tipo “bootcamp” como una forma estructurada y relativamente más barata para poner en marcha su experiencia e intentar conseguir un trabajo en el que pueda invertir tiempo en aprender a través del resto de la experiencia.
Afortunadamente, la ciencia de datos tiene tanta demanda que es una cantidad fungible; la gente realmente quiere contratar personas inteligentes y ansiosas que puedan trabajar en los muchos problemas que rodean los datos, y la mayoría de los roles no requieren ‘ciencia de datos de pila completa’.