Creo que no hay una forma particular mejor o mala de convertirse en un científico de datos. He visto a personas con experiencia en comercio convertirse en científicos de datos exitosos. Así que no creo que tu experiencia aquí haga alguna diferencia. Es solo lo bueno que eres con lo que haces.
Siempre admiro a Anand Jain, quien fue cofundador y CTO de Burrp, que fue adquirido por Network18 en abril de 2009 y ahora es el cofundador de CleverTap, que ofrece análisis de comportamiento, potente segmentación en tiempo real, mensajería multicanal y personalización en uno plataforma unificada Anand Jain no tiene experiencia en ingeniería y sigue siendo tan exitoso como cualquier otra persona.
Ahora volviendo a cómo convertirse en un Data Scientist. Bueno, puedes aprender de múltiples maneras, algunas personas aprenden todo en línea, mientras que otras se unen a programas y cursos para convertirse en científicos de datos. Creo que uno necesita cubrir ciertos temas en línea, mientras que ciertos temas solo se pueden aprender en el módulo de capacitación en el aula.
- ¿Cuál es la importancia de comprender las distribuciones de datos subyacentes en un conjunto de datos antes de aplicar cualquier algoritmo de aprendizaje automático, ya sea un algoritmo de predicción o de clasificación?
- ¿La ciencia de datos es popular en el riesgo de crédito? ¿Es posible involucrarse en ciencia de datos en riesgo de crédito especializado en programación?
- ¿Cuál es la diferencia entre ciencia de datos, análisis de datos, minería de datos, aprendizaje automático, inteligencia artificial y big data?
- ¿Cuáles son las desventajas de las notebooks iPython para el análisis de datos? ¿Hay algún trabajo de investigación disponible que hable sobre la rigidez y la linealidad del portátil?
- ¿Un científico de datos necesita conocer algoritmos y estructuras de datos, así como un ingeniero de software?
Fundación
- Python Básico, Intermedio y Avanzado
- Estadística, probabilidad y álgebra lineal
- Regresión lineal, series de tiempo y función de costo
- Tipos de datos y análisis exploratorio de datos
- Recopilación, extracción, consulta, limpieza y agregación de datos para análisis
- Fuentes de datos, limpieza y disputas
- Trabajando con API
- Raspado web
Esto lo ayudará a aprender los temas avanzados de la ciencia de datos más rápido y en profundidad. Una vez que tenga un conocimiento profundo de estos temas, su comprensión de los conceptos se vuelve flexible. Le recomendaría que eche un vistazo a los temas avanzados.
La siguiente fase en el aprendizaje de la ciencia de datos puede requerir que obtenga una buena orientación y aquí es donde las clases o programas entrarían en escena. Quiero que entiendas la importancia de elegir dónde aprender.
Siempre recomendaría a los aspirantes de ciencia de datos que asistan a un programa basado en el aula, dirigido por un instructor y orientado a la práctica.
Te encontrarás con muchas instituciones, cursos y programas que te ayudarán a aprender ciencia de datos. Algunos son muy caros, mientras que otros son razonables. Pero, una cosa muy importante a tener en cuenta mientras se inscribe en dichos cursos es saber su valor en términos de conocimiento y lo que al final del curso está desarrollando dentro de usted mismo.
Algunos puntos a considerar al elegir una institución / curso
- El énfasis está más en la práctica y no solo en la teoría.
- El proyecto se basa en enunciados de problemas relevantes de la industria y no en las tareas antiguas
- Los aprendizajes y proyectos son colaborativos y se realizan en equipos.
- Obtiene herramientas reales de la industria y se enfoca en el desarrollo basado en pruebas
Y en mi opinión, las certificaciones son una prueba de que ha completado un curso o un programa y no una prueba de lo que ha hecho. ¡Debes haber leído muchos artículos sobre desempleo educado o incluso haber encontrado algunas experiencias personales en las que muchos estudiantes tienen una maestría pero aún no tienen trabajo!
¿Porque?
Bueno, porque hay una gran brecha de habilidades entre lo que la industria quiere y lo que hay en oferta. El sistema educativo se ha convertido en gran medida en un juego de negocios de solo vender certificados. Por lo tanto, no siempre es necesario confiar en las certificaciones. La información teórica se puede impartir fácilmente. ¡Pero lo que importa es la IMPLEMENTACIÓN!
Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.
El programa insignia altamente selectivo de GreyAtom tiene como objetivo orientar a los profesionales que trabajan y los más novedosos en el inicio de su carrera de ciencia de datos. Los estudiantes crearon proyectos a partir de conjuntos de datos REALES y declaraciones de problemas proporcionadas por nuestra industria y socios de contratación. El programa se basa en el aula y está fuertemente orientado a la práctica. GreyAtom es un ecosistema donde los estudiantes pueden aprovechar lo mejor de la academia, profesionales de la industria y personas influyentes.
Algunos enlaces rápidos
- Programa – http://www.greyatom.com/data-sci…
- Chatee con un consejero académico: le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co…