En mi humilde opinión, hay mucha diferencia. Ser un aprendiz científico de decisiones en Mu Sigma te ayudará, pero también debes hacer tu propia tarea. La mayoría de las personas que trabajan en Mu Sigma generalmente hacen un MS / MBA o terminan como analistas de negocios. Solo un puñado de departamentos como I + D pasa a los niveles de Data Scientist. Sin embargo, si realiza una maestría en una combinación de asignaturas como Matemáticas / Estadística y Computación / Lenguajes de máquina, podría dominar todo lo que necesita para convertirse en un Científico de datos.
Para ser un científico de datos, debe ser capaz de manejar R, Python, Java y, a veces, SAS con los ojos cerrados. Por lo tanto, debe poder actualizar su juego todo el tiempo porque todos estos idiomas siempre están evolucionando, excepto algunas versiones de SAS. Aparte de eso, es posible que también necesite aprender otros idiomas, dependiendo de qué proceso sea más rápido en cada idioma. Debe predecir cómo funcionará una máquina en relación con su programa para que el aprendizaje automático haga la vida un poco más fácil.
Debe conocer sus estadísticas hasta el punto en que pueda derivar y desarrollar fórmulas, según sus requisitos. Necesitas un amplio conocimiento de las matemáticas para eso. Es por eso que algunas compañías prefieren personas que tienen una maestría o un doctorado en estadísticas o matemáticas.
- ¿Cuáles son los métodos de normalización de datos más comunes utilizados en el aprendizaje automático?
- ¿De qué maneras una empresa de radio puede beneficiarse de Big Data?
- ¿Cuál es la importancia de utilizar la tendencia central en el análisis de datos?
- ¿Cómo es el MTech en Data Science en SEAS, Universidad de Ahmedabad?
- ¿Cómo deberían funcionar mejor la ciencia y la ingeniería de datos?
Aparte de eso, su capacidad cognitiva y comprensión empresarial deben crecer todo el tiempo. El ambiente de trabajo de Mu Sigma te ayuda mucho en este aspecto.
Estos son algunos de los puntos en los que puedo pensar en este momento. Hay mas. Comprenda el papel de un científico de datos y compárelo con el papel de un TDS; Son polos separados. Mu Sigma te entrena en la dirección, pero aprendiendo sabiamente, hay mucho más por hacer además de cuál podría ser tu trabajo en Mu Sigma.
