Depende de muchos factores, como su experiencia en campos cuantitativos, experiencia de programación fundamental y, lo que es más importante, sus expectativas de los cursos de certificación. La ciencia de datos es un campo que crece cada día, en mi humilde opinión, no hay una estructura definida que pueda calificar como suficiente.
En lo que respecta al aspecto laboral, las certificaciones, los doctorados no importan. Puedes seguir estos pasos.
1) Aprenda sobre el aprendizaje automático de cursos de código abierto como Coursera, o Learning From Data MOOC y algunos libros de tom mitchell o ullmaan
- ¿Cuál es la forma más eficiente de almacenar datos localmente en un Android (Programación de Android)?
- ¿Qué es mejor, Data Science M.Tech de IIT Hyderabad o Big Data Analytics Certification de IIM Bangalore?
- ¿Cuál es la diferencia entre data scientist y big data?
- ¿Pueden las personas normales usar Hadoop? ¿La curva de aprendizaje es demasiado alta, o pueden los sobresalientes y no programadores (o aquellos que solo tienen un conocimiento superficial) usar Hadoop? Si es así, ¿cuáles serían algunos casos de uso comunes?
- ¿Cuál es el propósito principal del análisis de datos?
2) No te ahogues en teoría, descarga simultáneamente algunos conjuntos de datos de sitios web como kaggle o el repositorio de aprendizaje automático UCI y comienza a jugar con ellos. Comience con los más pequeños.
3) Comparta su trabajo en github y siga ciertos foros como Cross Validated, MetaOptimize, quora, etc. En breve comience a notarse en la comunidad. Que según mi supera cualquier certificación
PD: es posible que desee elegir Python o R como su lenguaje de programación y los fundamentos de las estadísticas.
Si siente que el autoestudio no es de su agrado y necesita un tutor, puede solicitar la certificación, pero nunca son suficientes.