Definitivamente es posible. También diría que definitivamente no es fácil. Muchas empresas que contratan científicos de datos esperan un unicornio, alguien que pueda escribir el código perfecto para resolver el problema y ganar millones. En el mundo real, los científicos y analistas de datos provienen de muchos entornos. El mío es en física, pero muchos de mis colegas son de estadística, matemática pura, informática o cualquier variedad de puestos de ingeniería.
Una cosa sobre la que le aconsejaría es que demuestre que está realmente entusiasmado con el tipo de investigación que hará. No solo que puedes hacerlo. Estos son trabajos bien remunerados y la gente puede quererlos por el dinero, pero para mí, es que puedo usar nuevas técnicas para resolver nuevos problemas constantemente. Si puede mostrar eso, definitivamente puede sobresalir incluso si su fondo de estadísticas no está en el Ph.D. nivel (el mío no es). Así que sal y realiza algunas competencias de kaggle, o, mejor aún, haz un proyecto independiente en el que puedas mostrar los resultados de extremo a extremo (planificación, implementación, resultados) y obtendrás una entrevista.
En cuanto a la posición cuantitativa. Eso podría ser más difícil, en Wall Street, las calificaciones (doctorado, premios, etc.) son mucho más importantes. Probablemente sea mejor estar con una empresa por un tiempo para intentar ascender.
- ¿Quién es el mejor blogger a seguir para las noticias de análisis de datos?
- ¿Qué tipo de información puede generar a través de los datos de tema de Facebook entregados a través de Datasift?
- ¿Debería una persona aprender sobre ciencia de datos en general antes de entrar en el aprendizaje automático? ¿Por qué?
- ¿En qué industria sería mejor para un analista de datos de nivel básico crecer, como científico de datos o consultor tecnológico en el futuro?
- ¿Cómo comenzó Big Data?
