Permítanos aclarar los hechos, ¿de acuerdo?
Estoy escribiendo desde mi limitada experiencia. Trabajo en un rol de Machine Learning en Samsung Research, Bengaluru. Es solo 1 de las 4 empresas indias que investigan (en lugar de simplemente aplicar Machine Learning); el otro es Microsoft, Xerox e IBM Watson. Me gradué de Pilani en 2016.
Aquí hay algunos consejos de mi parte:
- Cómo limpiar, preparar y transformar datos en ciencia de datos
- ¿Es la Universidad de Columbia un lugar respetable para estudiar ciencia de datos?
- ¿Qué es la ciencia de datos y el aprendizaje automático? ¿Cuáles son las similitudes y diferencias entre ellos?
- ¿Cómo se delinean las startups entre las funciones de un científico de datos y una persona analítica más general / orientada a la adquisición?
- ¿Cuáles son algunos proyectos de ciencia de datos de código abierto en Python?
- Olvídate de los cursos. Soy del campus de Pilani. Estos cursos son inútiles. para obtener un rol de Aprendizaje automático o Ciencia de datos.
Si todavía está muy interesado en realizar los cursos de Pilani, realice la mayor cantidad de cursos posibles de estos: Optimización, Minería de datos avanzada, Recuperación de información, Minería de datos, Inteligencia artificial, Econometría (para una perspectiva diferente sobre estadísticas e ideas aliadas)
- Cree un proyecto digno de mención : ¿Ha realizado proyectos decentes de Machine Learning? ¿Cuál es el tamaño de datos más grande que ha manejado? ¿Cuál es el conjunto de datos más complejo que manejó? ¿Cuán importante fue el problema que aplicó Machine Learning a la sociedad? Participa en competiciones de Kaggle y Hackathons, si no tienes buenas respuestas a estas preguntas.
- Practique en sus veranos y PS2 en un rol de Aprendizaje automático o Ciencia de datos. Hice mi PS2 y salté Amazon (contra mucha sabiduría prevaleciente en ese momento). Fui interrogado sobre mi proyecto de PS2 en mi entrevista en el campus.
- Comparta sus resultados en un blog mediano, coloque su código en Github y obtenga un artículo publicado. Es más fácil de lo que la mayoría de la gente piensa. El primer artículo de mi amigo está en una reputada Lectura de Springer en Ciencias de la Computación, ¿y adivina qué? No tomó ninguna ayuda de ningún profesor.
- Crea más demos. Proyectos en la web, proyectos que pueden demostrarse usando un video o algo similar. Esencialmente, una cartera que puede mostrar a posibles reclutadores. Entré en una entrevista con un video de mi proyecto anterior por teléfono.
Organizaciones como IBM Research, Xerox tienden a preferir estudiantes de maestría y doctorado en lugar de estudiantes universitarios simples. Es posible que desee traer eso sobre la mesa. Un Máster en CS también puede ayudarlo a pulir su cartera de Machine Learning.
La fórmula simplificada para llegar a un rol de Data Science es esta:
Construye, construye más, construye y vende.
