Empecé casi por el mismo camino que el tuyo. Esto es lo que estoy haciendo por eso ahora:
1. Obtenga educación
Este es el primer requisito más buscado. Puede pensar que optar por MS / PhD es difícil, pero es importante. Soy un estudiante de posgrado en este momento, estudio con muchas personas que son más de cinco veces mayores para mí, a fin de desarrollar adecuadamente su conocimiento profundo. Algunas universidades (como la mía) también ofrecen programas a tiempo parcial. Inscríbase en un par de cursos como minería de datos, estadísticas, inteligencia artificial, extracción de información, etc. Si no es posible, pruebe algunos cursos en Coursera.
2. Participe
La razón por la que puse ‘Getting Education’ en primer lugar es que te hace sumergirte en un océano de académicos. Si está inscrito en un curso universitario, se vuelve obligatorio escribir las tareas de programación y hacer las tareas de lectura. Haces amigos y compartes ideas con ellos. En caso de obtener un curso en línea, esfuércese por trabajar para todas las tareas, eso también, dentro del plazo. Comience a trabajar en proyectos en Kaggle
- ¿Cuál es una explicación amable de GradientBoost?
- ¿Se considera que R no es adecuado para Big Data en comparación con Python?
- ¿Qué hace un científico de datos?
- ¿Cómo aprendo el procesamiento del lenguaje natural?
- ¿Vale la pena cambiar de carrera de ciencia de datos a actuario?
3. Sigue las tendencias
El campo de la ciencia de datos ha encontrado un aumento repentino de popularidad. Están sucediendo muchas cosas en la industria. Los paradigmas están cambiando. Invierta algo de tiempo para seguir lo que está sucediendo en el mundo. Hay muchos foros en línea como KDUGGETS (el principal recurso de la comunidad de minería de datos) que no debe perderse.
Si está activo en LinkedIn, encontrará muchos grupos que lo mantendrán alerta e informado. Echa un vistazo a esta publicación:
Aprenda de la web social: grupos de minería de datos en LinkedIn
Si está aprendiendo solo, asegúrese de hacerse amigo de algunas personas que ya están en el campo, tal vez, las que todavía están aprendiendo, porque pueden darle más tiempo y guiarlo. Puede acercarse a ellos para hacer las preguntas más tontas para aclarar sus confusiones. Habrá momentos en los que estarás completamente frustrado. Algunos de los conceptos más importantes pueden parecer aburridos. Es una parte del proceso. Simplemente sigue.
ACTUALIZACIÓN
Acabo de encontrar un maravilloso video de Jeremy Howard de Kaggle. Te dará una introducción a las herramientas que necesitas para aprender a sobresalir en Data Science (y en las competencias de Kaggle)