Acabamos de publicar una clasificación actualizada de 2015: Data Science Bootcamps: los mejores cursos de 2015. Durante el último año y medio, hemos acumulado cientos de reseñas de bootcamp de ciencia de datos.
Los mejores cursos de ciencia de datos 2015
Aquí presentamos una lista de los mejores programas con las mejores revisiones, así como una lista corta de otros bootcamps de ciencia de datos con una sólida reputación. Espere que esta lista se actualice continuamente.
- ¿Cuál es la diferencia entre un lenguaje de definición de datos y un lenguaje de manipulación de datos?
- ¿Qué pasó con el proyecto 'Estadístico automático', respaldado por Google, etc.?
- Cómo dominar el aprendizaje automático en R
- Si tengo datos en forma de curvas (y no puntos de datos), ¿puedo encontrar una curva que se ajuste a estos datos?
- ¿Cuál es la diferencia entre hacer ciencia de datos en Google, Amazon y WalmartLabs y hacerlo en Mu Sigma, Accenture y Opera Solutions?
Esta lista de cursos no es exhaustiva, pero queríamos reducirla para proporcionar a los estudiantes un punto de partida de cursos de ciencias de datos revisados y revisados. A medida que ingresen más datos para diferentes escuelas, actualizaremos nuestra lista.
Nota: No cubriremos los títulos de maestría en este artículo; tenemos un artículo de seguimiento sobre las diferencias entre los bootcamps y los programas de grado.
Los mejores cursos en los Estados Unidos:
Galvanizar
4 estrellas (13 opiniones)
Un campo de entrenamiento inmersivo de 12 semanas en San Francisco, Galvanize enseña herramientas, técnicas y conceptos fundamentales de ciencia de datos. Al trabajar a través de conjuntos de datos desordenados del mundo real, los estudiantes obtendrán experiencia en la recolección de datos, exploración, modelado, validación, visualización, comunicación y más. Entre los que imparten las clases se encuentran instructores de clase mundial, científicos de datos y líderes de la industria. La escuela no solo cuenta con una educación inmersiva, un entorno colaborativo y una red de clase mundial, sino también una tasa de colocación del 93 por ciento, un salario promedio de $ 115,000 y colocación laboral dentro de los seis meses. La dificultad del bootcamp es intermedia, por lo que todos los solicitantes deben tener experiencia en programación. (Nota: la Academia Zipfian fue adquirida por Galvanize).
Satisfacción general
(4.4)
Ubicación
Denver, Boulder, Fort Collins, San Francisco, Seattle
Cantidad de comentarios
13
Asignaturas
HTML, CSS, Ruby on Rails, Javascript, ciencia de datos
Rango de precios
$$$$
Cursos
Galvanize Full Stack, Galvanize Data Science, GalvanizeU,
Este fue probablemente el mayor impulsor individual de una carrera de la que he oído hablar. Después de asistir al curso, me dieron una tonelada de recursos y oportunidades para estar cara a cara con empresas de la zona. Tenía un trabajo dos días antes de graduarme y me encanta.
Echa un vistazo a más reseñas de Galvanize en Switch.
Asamblea General
4 estrellas (41 opiniones)
El curso de tecnología de ciencia de datos de 11 semanas es uno de los bootcamps de medio tiempo de la Asamblea General. Funciona dos veces por semana por las tardes. Algunas de las habilidades básicas que los estudiantes deben esperar incluyen saber cómo aplicar las habilidades matemáticas y de programación para dar sentido a grandes conjuntos de datos, aprender a analizar y manipular datos con Python y aprender a hacer predicciones sobre datos utilizando técnicas fundamentales de modelado. El curso debe hacerse en persona y se lleva a cabo en muchos lugares de la Asamblea General.
Satisfacción general
(4.1)
Ubicación
Nueva York, Los Ángeles, San Francisco, Boston, Atlanta, Seattle, Washington DC, Austin, Chicago, Londres, Hong Kong, Sydney, Melbourne, Singapur
Cantidad de comentarios
41
Asignaturas
Desarrollo web (Full-stack: Javascript, Ruby, Rails), diseño web, diseño de UI / UX, gestión de productos, marketing digital, análisis, front-end (HTML, CSS, Javascript), back-end (Ruby, Ruby on Rails ), Ciencia de los datos
Rango de precios
PS
Cursos
Experiencia de usuario Diseño inmersivo, ciencia de datos, desarrollo web back end, desarrollo web inmersivo, desarrollo web front end, marketing digital, desarrollo móvil, gestión de productos, gestión de productos inmersiva, diseño visual, análisis,
No solo tomé el curso de Data Science de 11 semanas, sino que asistí a muchos talleres y vi muchos cursos en línea. En general, GA realmente me ayudó a mantenerme al día con mis habilidades y me ayudó a innovar en mi empresa.
Echa un vistazo a más revisiones de la Asamblea General en Switch.
Metis
5 estrellas (9 opiniones)
Después de 12 semanas del intensivo campo de entrenamiento de ciencia de datos en persona, los graduados de Metis deben esperar estar completamente calificados para un puesto de científico de datos de nivel de entrada. En el campo de entrenamiento de la ciudad de Nueva York, los estudiantes recibirán instrucción 100% en persona con expertos de Datascope Analytics, así como entrenamiento profesional durante y después del curso y apoyo para la colocación laboral al finalizar. Se espera que todos los solicitantes tengan experiencia previa en programación y estadísticas. Al final del curso, los estudiantes podrán codificar en Python y en la línea de comando, comprender las herramientas y aplicaciones de ciencia de datos, conocer los fundamentos de la visualización de datos; tener una exposición introductoria a las herramientas modernas de big data; y más.
Satisfacción general
(4.6)
Ubicación
Nueva York, San Francisco, Chicago
Cantidad de comentarios
9 9
Asignaturas
Data Science, Python, Visualización de datos, JavaScript, D3, PNL, Naive Bayes, Hadoop, Spark, Machine Learning, Capacitación en línea
Rango de precios
$$$
Cursos
Aprendizaje automático: algoritmos y aplicaciones, campo de arranque de ciencia de datos, visualización de datos con D3.js, exploración de ciencia de datos: capacitación en línea, introducción a la ciencia de datos, procesamiento de grandes datos con Hadoop y Spark,
Tuve un apoyo profesional completo durante mi búsqueda de trabajo, incluso después de graduarme del campo de entrenamiento, y definitivamente no podría haber encontrado mi increíble trabajo sin tomar este curso.
Vea más reseñas de Metis en Switch.
Academia de ciencia de datos de Nueva York
5 estrellas (17 opiniones)
El campo de entrenamiento de tiempo completo con sede en Manhattan tiene una duración de 12 semanas y busca ayudar a los estudiantes a aprender las habilidades prácticas necesarias para una carrera en ciencia de datos. Durante el curso, los estudiantes aprenderán cómo resolver problemas de la industria y los negocios del mundo real, así como niveles principiantes e intermedios de ciencia de datos (R, Python y Hadoop) y paquetes R R (Shiny, Knitr, rCharts y más). Los estudiantes también completarán un proyecto práctico de 2 semanas y recibirán ayuda de la escuela con apoyo laboral y preparación en la última semana. Se espera que los solicitantes tengan una maestría o doctorado en ciencias, tecnología, ingeniería o matemáticas, o al menos tengan una experiencia equivalente en ciencias o programación cuantitativa.
Satisfacción general
(5.0)
Ubicación
Nueva York
Cantidad de comentarios
17
Asignaturas
Ciencia de datos, R, Python, Hadoop, Spark
Rango de precios
PS
Cursos
Ciencia de datos con Python: Análisis y visualización de datos, Ciencia de datos con R: Análisis y visualización de datos, Ciencia de datos con R: Aprendizaje automático, Ciencia de datos con Python: Aprendizaje automático, Big Data con Hadoop y Spark,
Data Science Bootcamp fue la mejor experiencia en mi carrera. Los instructores no solo fueron útiles para enseñar los materiales regulares, sino que también lo guiaron para establecer su confianza en usted mismo para ser un Científico de Datos. Te ayudarán incluso después de completar tu bootcamp. Ambiente agradable y honesto.
Vea más reseñas de NYC Data Science Academy en Switch.
Cursos cortos
Aquí hay una lista de los programas de ciencia de citas que también se incluyeron en nuestra lista, pero que actualmente no tienen muchas revisiones de ex alumnos.
Bit Bootcamp
Bit Bootcamp tiene su sede en Nueva York. Tanto el curso de capacitación de algoritmos de 12 semanas como el curso de capacitación de Big Data / Hadoop de 4 semanas son inmersivos y utilizan diversos métodos (instrucción en vivo, colaboración en clase y fundamentos técnicos) para abarcar mucho más que los conceptos básicos de la ciencia de datos. Al final del curso, los estudiantes no solo tendrán una cartera de proyectos del mundo real, sino que también tendrán acceso a una red de empleadores y preparación profesional. Se espera que los futuros estudiantes estén familiarizados con SQL y la programación como Java, C # y C ++, así como con habilidades sólidas en matemáticas y resolución de problemas.
La incubadora de datos
La incubadora de datos es una beca intensiva que busca transformar a científicos e ingenieros en científicos de datos y cuarentenas. La beca dura siete semanas e incluye capacitación en habilidades técnicas, como ingeniería de software, estadísticas, visualización de datos, bases de datos y paralelización, y habilidades blandas como técnicas de comunicación y redes. También brinda oportunidades de tutoría, becas pagadas por el empleador y acceso a empleadores innovadores. Los becarios pueden asistir al programa a tiempo completo en persona en la ciudad de Nueva York, San Francisco o Washington, DC, o en línea a tiempo parcial.
Dojo de ciencia de datos
A diferencia de algunos de los otros campamentos de arranque que abarcan varias semanas, Data Science Dojo es un campamento de entrenamiento de ciencia de datos inmersivo de 5 días. Debido a que creen que los dos conceptos deben enseñarse juntos, tanto la ciencia de datos como la ingeniería de datos son parte del plan de estudios. Después de completar el curso, los graduados se conectarán con los socios de contratación del campo de entrenamiento y la escuela tiene una bolsa de trabajo activa para ayudar a los estudiantes que desean encontrar trabajo por su cuenta. El único requisito para los estudiantes es tener conocimiento de al menos un lenguaje de programación o scripting, y el bootcamp recomienda el conocimiento de la programación R o Python. El campamento de entrenamiento se lleva a cabo en todas partes, desde Silicon Valley hasta Sydney.
Ciencia de datos para el bien social
Eric & Wendy Schmidt Data Science for Social Good Fellowship es un programa de la Universidad de Chicago que se ejecuta durante 12 semanas en el verano. El programa capacita a aspirantes a científicos de datos para trabajar en proyectos de minería de datos, aprendizaje automático, big data y ciencia de datos con impacto social. En el programa, los becarios trabajan para ayudar a los gobiernos y las organizaciones sin fines de lucro a resolver problemas del mundo real relacionados con la educación, la salud, el transporte, el desarrollo económico y más. Se espera que los futuros becarios sean estudiantes de posgrado o al menos personas de la tercera edad en la universidad y tengan una pasión por resolver problemas con impacto social.
Microsoft Research Data Science Summer School
Una intensiva introducción de 8 semanas a la ciencia de datos, la Microsoft Research Data Science Summer School es un curso para estudiantes universitarios en el área de la ciudad de Nueva York. El trabajo del curso incluye ciencia de datos y proyectos de investigación grupal, y las clases son impartidas por científicos líderes en Microsoft Research. En un esfuerzo por aumentar la diversidad, la escuela alienta a las mujeres, las minorías y las personas con discapacidad a que presenten sus solicitudes. Cada estudiante recibe un estipendio de $ 5,000 y una computadora portátil.
Regla de cálculo
El curso de Introducción a la ciencia de datos de SlideRule no es el típico campo de entrenamiento. Primero, todo se hace en línea; segundo, se completa al propio ritmo del estudiante (sin embargo, vale la pena señalar que la matrícula se ajusta según el tiempo que tarde en completarse; y tercero, los estudiantes reciben una llamada semanal de un mentor experto de la industria. El plan de estudios incluye probabilidad y estadísticas, conceptos básicos de R , análisis exploratorio de datos, visualización de datos, técnicas de análisis y análisis de datos Durante el curso, los estudiantes podrán crear y poner en marcha su cartera y red con expertos de la industria.
Insight Data Engineering
La intensa beca de 7 semanas se promociona como el puente hacia una carrera en ingeniería de datos. Se lleva a cabo en la ciudad de Nueva York y Silicon Valley y está abierto a cualquier persona con una sólida formación en matemáticas, ciencias de la computación y fundamentos de ingeniería de software. También buscan becarios que provienen de puestos en la industria o directamente de programas de grado (licenciatura, maestría y doctorado). En el programa, los estudiantes podrán participar en el aprendizaje basado en proyectos y trabajar con los mejores mentores de la industria.
Comparación de los roles de analista de datos, científico de datos e ingeniería de datos.
Analista de datos
Se puede encontrar un rol de analista de datos en casi cualquier corporación grande u organización gubernamental. Desde la contabilidad hasta el análisis de riesgos, las pruebas a / b y el trabajo con datos gubernamentales, existen muchos roles de analistas de datos. Un analista de datos es básicamente un científico de datos junior. Es un buen lugar para comenzar si no tiene una formación muy técnica y solo ha tomado una o dos clases de estadísticas.
No se le requerirá tener conocimientos matemáticos o una experiencia de doctorado / investigación, pero se le exigirá que sea diligente, fuerte en la comunicación y capaz de realizar trabajos informáticos. Una vez que obtenga más experiencia como analista de datos, puede tomar cursos más avanzados, obtener una maestría o considerar un campamento de ciencia de datos para saltar a un rol más analítico basado en la investigación.
Los analistas de datos deben tener una comprensión básica de los siguientes temas: hoja de cálculo Excel, estadísticas básicas (clases de introducción a nivel universitario), herramientas estadísticas básicas (como STATA / SPSS), producir gráficos y diagramas y presentar resultados resumidos simples.
Es necesaria una gran atención al detalle, ya que el procesamiento de datos requiere mucha diligencia, paciencia y buen ojo para el error. Estarás manipulando conjuntos de datos pequeños a grandes, y es muy fácil cometer errores.
Día a día Recibirá instrucciones específicas de un miembro de mayor rango y probablemente usará Excel para procesar datos y producir resultados resumidos. Cosas como gráficos de barras, gráficos circulares, líneas de tendencia, análisis de regresión simple, diagramas de cajas, etc., serán tareas comunes del día a día. Como nota al margen: también puede consultar bases de datos para datos utilizando SQL y lenguajes de secuencias de comandos. Por esta razón, no es una mala idea aprender algo de programación básica de SQL. Es importante recordar que no realizará análisis complicados de forma independiente ni creará sus propios modelos estadísticos ni ningún tipo de análisis predictivo. Estas tareas de nivel superior generalmente son realizadas por científicos de datos o investigadores de alto nivel.
Científico de datos
Algunas compañías tratan los títulos de “científico de datos” y “analista de datos” como la misma cosa y a menudo se usan indistintamente. Sin embargo, en general, hay algunas distinciones entre los dos. El trabajo de un científico de datos generalmente necesita un análisis más complicado y una comprensión más sólida de los fundamentos de las estadísticas. Se necesita una sólida formación en cursos de estadística de nivel universitario y de posgrado para una carrera como científico de datos. Por lo general, los listados de trabajo requerirán una maestría en finanzas cuantitativas, estadísticas o algún campo relevante.
Mientras que un analista de datos simplemente puede estar trabajando en Excel para presentar estadísticas resumidas de pequeños conjuntos de datos, un científico de datos administrará conjuntos de datos más grandes de diferentes fuentes. Es probable que se sientan cómodos con la programación Python y R y con el uso de modelos estadísticos avanzados y herramientas como STATA y SPSS. SQL y los lenguajes de script básicos son una necesidad para los científicos de datos
Los científicos de datos a menudo son empleados por la tecnología y los sectores financieros, donde grandes volúmenes de datos se procesan todos los días. A medida que llegan nuevos datos y surgen nuevos problemas, estos científicos de datos se emplean para encontrar formas de optimizar la campaña de marketing de una empresa, optimizar el algoritmo de negociación de un fondo de cobertura o encontrar nuevas formas de predecir o modelar el comportamiento del consumidor. El objetivo final es hacer un uso completo de los datos de la compañía para ayudar a generar ganancias y mejorar los productos.
Tenga en cuenta que en diferentes industrias, a menudo requieren conocimientos especializados. Por ejemplo, en la industria médica requieren conocimientos de bioestadística y modelos bioestadísticos, que pueden ser diferentes de las estadísticas financieras y los modelos financieros.
Ingeniero de datos
Un ingeniero de datos es muy diferente a un científico de datos. Piense en un ingeniero de datos como un científico de la computación que se especializa en la construcción de sistemas para administrar datos. Se centran en crear sistemas de datos robustos que puedan agregar, procesar, limpiar, transformar y almacenar grandes cantidades de datos. Por lo general, en grandes corporaciones, un ingeniero de datos construye una tubería de datos robusta y tolerante a fallas que limpia, transforma y agrega datos desorganizados y desordenados en bases de datos o fuentes de datos. Los ingenieros de datos suelen ser ingenieros de software de oficio. En lugar del análisis de datos, los ingenieros de datos son responsables de compilar e instalar sistemas de bases de datos, escribir consultas complejas, escalar a múltiples máquinas y establecer sistemas de recuperación ante desastres.
Los ingenieros de datos esencialmente sientan las bases para que un analista de datos o un científico de datos recupere fácilmente los datos necesarios para sus evaluaciones y experimentos.
Habilidades y herramientas: los ingenieros de datos deben tener un sólido conocimiento de los principios básicos de la informática y la experiencia en el desarrollo de software. Además, deben tener experiencia en nuevas tecnologías que ayuden a administrar grandes conjuntos de datos. Estas tecnologías y conceptos incluyen MapReduce, bases de datos NoSQL, MongoDB, SQL, Hadoop, Storm y otras diversas herramientas de Dev Ops como Chef. Necesitará la capacidad de aprender cualquier tecnología que la compañía esté utilizando para administrar sus sistemas de datos, y hay una gran variedad de ellos, aunque los principios subyacentes fundamentales son muy similares.
