Los cursos de maestría en ciencias de datos se han formulado en universidades como Stanford, Columbia, UC Berkeley y NYU. Si bien estos son cursos interesantes con un amplio plan de estudios, también son muy caros para aquellos que comienzan en ciencia de datos, especialmente debido a la ayuda financiera limitada y al problema de la deuda estudiantil en general. Aquellos que pueden pagar estos cursos pueden encontrarlos para tomarlos y beneficiarse. Sin embargo, existe un conjunto más amplio de estadísticas, investigación de operaciones y programas de análisis predictivo que infunden ideas de la ciencia e ingeniería de datos en sus planes de estudio. Estos proporcionan relevancia de dominio para la ciencia de datos, la ingeniería estadística y las ideas relacionadas, y ayudan a desarrollar talentos de base amplia. Junto con los cursos básicos de sitios como Coursera y EdX que ofrecen programas realmente buenos en ciencia de datos, sería una buena idea tener experiencia en una disciplina específica o en negocios, porque a menudo, el dominio importa en ciencia de datos. En mi experiencia, las habilidades de la ciencia de datos se pueden obtener mejor con la experiencia y haciendo proyectos en los que está trabajando a lo largo del ciclo de la ciencia de datos: obtener datos, limpiarlos y formatearlos en la estructura y los esquemas correctos, aplicando modelos matemáticos o estadísticos de diversos tipos en los datos y, finalmente, la interpretación de los resultados y la entrega de información.
Dependiendo de su etapa profesional, podría considerar:
- Un programa de maestría completo en ciencias de datos, sistemas distribuidos o estadísticas de una de las escuelas mencionadas anteriormente, si es un profesional de carrera temprana o si es un estudiante de licenciatura
- Un programa de algún tipo integrado en el trabajo donde puede exponerse a ideas de análisis y ciencia de datos en proyectos del mundo real, si es un profesional de mitad de carrera
- Una oportunidad para emprender y ejecutar programas y proyectos de análisis y ciencia de datos en su organización, si es un líder profesional u organizacional.
Espero que esto ayude.
- ¿Todos los trabajos de analista de datos / ciencia de datos exigen altas horas de trabajo?
- ¿Cómo pueden las empresas beneficiarse del análisis de datos?
- ¿En qué casos un análisis causal es más apropiado para una empresa o departamento de investigación que el modelo predictivo?
- ¿Qué tipo de métodos de ciencia de datos se pueden aplicar a los datos de tráfico web?
- ¿Cuál es el mejor marco de Python para el procesamiento en paralelo (procesamiento SMP y de clúster)?