Gracias por el A2A.
P: ¿Qué opciones de carrera hay para los graduados no informáticos en Data Science?
La respuesta corta es: las mismas opciones de carrera que los graduados en informática. Los títulos de posgrado son importantes, pero menos de lo que pensamos, y no tanto como las habilidades .
- ¿Cuáles son las fortalezas y debilidades de la plataforma HAVEn de HP para el análisis de big data?
- ¿Vale la pena obtener una maestría dual en estadística e informática (para una carrera en ciencia de datos)?
- Al hacer una prueba A / B sobre la tasa de conversión (proporción de visitas que incluyen una compra), ¿cómo abordo el hecho de que no todas las visitas son independientes?
- ¿Por qué hay muchos módulos en el ecosistema hadoop en lugar de un solo módulo?
- ¿Cuál es la diferencia entre el curso de MSc Business Analytics y MSc Data Science en UCL? ¿Cuál es más adecuado para convertirse en un científico de datos?
Algunos de los mejores científicos de datos en nuestro equipo no tienen títulos en ciencias de la computación, incluidos aquellos que implementan sus propios algoritmos de aprendizaje automático y aquellos que se clasifican como maestros de Kaggle.
Lo diré nuevamente: lo que pueden hacer , lo que les gusta hacer , lo que pueden entender y lo que pueden comunicar juntos supera con creces la tinta en una hoja de papel.
Respondiendo la pregunta de otra manera, también hay roles de ciencia de datos menos técnicos si la ingeniería de software no es lo tuyo. Los analistas de negocios de ciencia de datos están subestimados y preveo que la necesidad de ellos crecerá a medida que la ciencia de datos madure. Son aquellos que entienden la ciencia de datos lo suficiente como para ayudar a las empresas a implementar proyectos de ciencia de datos, aunque pueden no ser ellos mismos los desarrolladores.
La minería de datos también es una habilidad altamente subestimada que trata más sobre lo que puede hacer creativamente con los datos y el conocimiento del dominio en lugar de la sofisticación matemática o algorítmica.
Sin embargo, para cualquier tema, si su aprendizaje se detiene después de graduarse, no importa cuán bueno sea un científico de datos / minero de datos / ingeniero de aprendizaje automático, etc., en unos años probablemente estará bastante desactualizado. Así que nunca dejes de aprender 🙂
