Cómo pasar del freelance de ingeniería de software al freelance de machine learning / data science

Es un largo camino. Los codificadores tienen que aprender nuevas habilidades y cambiar la mentalidad.

En el proyecto, generalmente sigue el proceso KDD (imagen a continuación). Mire la minería de datos / aprendizaje automático es un paso en el medio.
Las habilidades de programación te ayudan en algunos pasos. Digamos en la recopilación de datos, preprocesamiento, transformaciones. Los codificadores realizan esos pasos en C, Java o PHP. Mineros de datos en R, Python o alguna interfaz visual: ahorra mucho tiempo.

Necesitas un objetivo bien definido. En términos de minería de datos es ‘variable objetivo’. ¿Quién definirá esto para ti? ¿Puede escuchar sobre los desafíos comerciales y definirlo solo?

Imagina que tu modelo está listo, tienes predicciones: ¿puedes explicar claramente cómo el uso de predicciones mejora algo? ¿Por qué no se puede hacer lo mismo sin predicciones? En muchos casos, las predicciones son inútiles. En otros casos, las predicciones ahorran millones de dólares.

Muchos programadores han intentado el aprendizaje automático y han vuelto a la codificación. Tenían problemas con la incertidumbre : cuando creas el código correcto, funcionará al 100% y listo. Pero incluso si ejecuta el proceso KDD perfectamente, no se garantiza que encontrará “patrones en los datos” (modele lo que funciona).

Por otro lado: las nuevas habilidades que aprenderá con el aprendizaje automático no son tan comunes y son útiles en muchos otros trabajos (analistas, estrategas, especialistas en marketing de rendimiento, …). Definitivamente vale la pena aprenderlos.

Y la mejor manera de comenzar es mediante la búsqueda activa de puestos cuando puede practicar esas habilidades. Lo mejor con gurús expertos que le brindarán orientación y comentarios.

¡Buena suerte!

Hay muchos cursos (MOOC o tradicionales) disponibles en todo el mundo, pero muchos olvidan que un Data Scientist debe ser bueno en CS / IT y ciencias duras, pero también en aplicaciones comerciales y ética y derecho. Esto último se olvida con demasiada frecuencia en los planes de estudio, pero es un desafío enorme.

Visítenos en el Data ScienceTech Institute, con nuestros programas de maestría más intensivos de 1,600 horas, en asociación con personas como SAS France y KDnuggets (Gregory I. Piatetsky-Shapiro)