¿Cómo alguien más nuevo pone el pie en la puerta de la ciencia de datos, tanto en términos de aprendizaje como de trabajo?

Si todavía estás en la escuela, lo mejor es intentar encontrar primero una pasantía en ciencias de datos. Eso no solo será mucho más fácil de encontrar, sino que le dará la oportunidad de probar la ciencia de datos para que se ajuste y decidir si realmente le gusta el trabajo, que es fundamental para el éxito en este campo.

Además, estoy de acuerdo con Paul en que tener una presencia activa de Github es muy importante, y también estoy de acuerdo con Brian en que asumir proyectos de datos mientras busca es una excelente manera de mostrar su interés y competencia a los posibles empleadores.

Sin embargo, aprender a implementar y aplicar un algoritmo a un conjunto de datos es solo la mitad de la batalla y, en sí mismo, no lo convierte a uno en un científico de datos. Verá, en la mayoría de las empresas, los científicos de datos tienen poca o ninguna autoridad formal para asegurarse de que se tengan en cuenta sus ideas y que su trabajo se aproveche. Al menos al principio, todo lo que pueden esperar es tener influencia, que se desarrolla a medida que las personas comienzan a confiar en usted, su trabajo y sus recomendaciones. Las personas confían en las personas que les gustan y en las ideas que entienden, por lo que querrán ser agradables y entregar sus ideas como historias que tengan sentido para su audiencia (a menudo) no técnica.

Volviendo a su pregunta inicial, puede aumentar drásticamente sus posibilidades de entrar en la ciencia de los datos al perfeccionar sus habilidades de narración de cuentos y al establecer contactos con la mayor cantidad de personas que pueda encontrar. Aquí hay un artículo que escribí recientemente sobre la marca y la narración de historias para científicos de datos, y la esencia de esto es la siguiente:

1. Tenga en cuenta cómo se viste : como profesional que será un asesor de confianza para el equipo ejecutivo de una empresa, la forma en que se le percibe es muy importante, y cómo se viste siempre influye en la percepción que las personas tienen de usted.
2. El lenguaje corporal también juega en cómo la gente te percibe. Las personas seguras y relajadas se perciben como más confiables que los tipos ansiosos y adivinos.
3. Escucha y aprende. Practique la escucha activa para establecer una buena relación con las personas.
4. Elabore bien su propia historia : usted es más que la suma de sus títulos y calificaciones. Hazte memorable (de manera positiva) con las personas que conoces, y solo asumirán lo mejor de ti.
5. Siempre proporcione valor : una buena estrategia de conversación para las situaciones de trabajo en red es estar siempre atento a las formas en que puede ayudar o proporcionar valor a la otra persona.
6. Haga un seguimiento y manténgase en contacto : ¿alguna vez ha notado esa pequeña característica de recordatorio en los perfiles de LinkedIn de sus contactos? Úselo para mantenerse en contacto con sus contactos profesionales regularmente, y su red pronto se convertirá en una mina de oro de oportunidades, si sabe dónde buscar.

• Comprende esto: las matemáticas no son ciencia de datos; Las matemáticas son necesarias para la ciencia de datos. La estadística no es ciencia de datos; Se necesitan estadísticas para la ciencia de datos. La informática no es ciencia de datos; La ciencia informática es necesaria para la ciencia de datos. Data Science es un tema multidisciplinario en sí mismo.
• Visite algunos sitios web públicos de conjuntos de datos (a través de Google). Conozca los datos, muchos datos.
• Si no es bueno en el procesamiento de datos, olvídese de la ciencia de datos y manténgase en su competencia central. No se deje seducir por la ciencia de datos, solo porque la ciencia de datos está de moda hoy en día. Las modas van y vienen, debes quedarte.
• Tome algunos cursos en línea relacionados con la ciencia de datos en edX o Coursera o Udacity o Udemy u otros sitios similares. Trátelo como un comienzo y no como un final. La educación es un viaje interminable y un aprendizaje para aprender.
• Asista a algunos Hackathons para comprender a los demás y para establecer contactos.
• Explore trabajos de científico de datos o analista de datos. Si es necesario, realice alguna pasantía o trabajo voluntario o independiente por algún tiempo. Comprenda que conseguir un trabajo deseado en este mundo ferozmente competitivo es un fenómeno estadístico. Puede obtenerlo, puede que no lo obtenga.
• Comprenda que incluso si obtiene un trabajo que no está directamente relacionado con la ciencia de datos, su educación en ciencia de datos lo ayudará en el futuro. Trate la ciencia de datos como una herramienta, así como aprender computadoras es una necesidad en estos días.
• Si está seriamente interesado en la ciencia de datos o el aprendizaje automático, después de completar su Maestría en CS, realice un doctorado en ciencia de datos o aprendizaje automático.

Soy un estudiante de MS también, pero no de la Universidad de Indiana. La mayoría de los científicos de datos son personas con doctorados o con mucha experiencia en el campo. Entonces, como recién graduado, su mejor opción sería tomar cursos en ML, estadísticas, etc. y hacer proyectos en ciencia de datos. Por proyectos no me refiero a escribir una aplicación de reconocimiento de escritura a mano usando MATLAB o Python. Realice proyectos que capten la atención de los empleadores, como la segmentación de clientes en un conjunto de datos a gran escala, etc., ya que estos son en realidad los problemas que enfrentan la mayoría de las empresas. Kaggle sería su mejor recurso para este tipo de proyectos. Comprenda las matemáticas detrás de los algoritmos e intente escribir código eficiente en Python o R o cualquier idioma en el que elija trabajar. Sea muy bueno en al menos un idioma antes de probar otro. Finalmente, mantenga un perfil actualizado de LinkedIn y Github y solicite oportunidades con LinkedIn.

PD. Soy un recién graduado de la Universidad de Utah que hace un trabajo de científico de datos a tiempo completo e hice todos los puntos que se mencionaron anteriormente.

GitHub.

Le daría este consejo a cualquiera que quiera encontrar un trabajo o un rol en software o datos que les interesen: escribir software, extraer datos, desarrollar modelos, etc. y hacerlos públicamente visibles en GitHub. Cree un perfil sólido y activo para usted mismo de los proyectos que ha realizado o en los que está trabajando.

Los candidatos más impresionantes que he visto en los últimos años tienen un cuerpo de trabajo que pueden señalar en GitHub. Poder mirar el trabajo de alguien, revisar su código, ver sus intereses directamente es mucho más poderoso que cualquier entrevista técnica cara a cara o rompecabezas de codificación. No me importa lo bien que alguien pueda resolver un desafío para la mente; Me importa su código y / o su capacidad para separar datos y extraer información.

¿Qué más dice un perfil activo de GitHub sobre un ‘más fresco’ (como usted dice)? Que esto es lo que les encanta hacer. Que lo harían incluso si nadie les pagara. Este es el tipo de personas que quiero que trabajen en mi equipo y estoy seguro de que muchas otras personas también lo harían.

Por cierto, si vienes directamente de la escuela, está más que bien poner cosas que se han hecho como proyectos académicos. Solo siéntete orgulloso de lo que ofreces y podrás decirle al mundo por qué crees que es genial.