TL; DR : ¡absolutamente!
Antecedentes / divulgación: solía ser ingeniero mecánico en robótica y automatización industrial, e hice un cambio de carrera en ingeniería de software. Habiendo terminado el Programa de Nanodegree del analista de datos de Udacity en febrero de 2015, más recientemente, (divulgación completa):
1. comenzó a trabajar en Udacity a fines de septiembre,
- ¿Debo ir a UC Davis o UC Berkeley para estudiar Estadística?
- ¿Está garantizado el entusiasmo por la ciencia de datos? Si es así, ¿por qué?
- Cómo resolver errores de E / S de Linux sin reiniciar
- ¿Cuánto tiempo lleva aprender correctamente big data y ser un analista exitoso?
- ¿Cuál es el mejor instituto para un curso de ciencia de datos en India?
2. inició estudios de posgrado en OMS CS de Georgia Tech con una concentración en IA y aprendizaje automático.
Si bien no soy específicamente un científico de datos, entre esos dos roles, realizo análisis de datos o trato con grandes datos de forma diaria o semanal. Sin duda, un científico de datos a tiempo completo ofrecerá una perspectiva más rica, pero quiero abordar su pregunta desde la perspectiva de un “ex-MechE” que encontró un valor increíble en el aprendizaje en línea.
Primero, una afirmación general : la transición de la Ingeniería Mecánica a la Ciencia de Datos es un cambio natural . Las habilidades de ingeniería y pensamiento crítico se llevan muy bien. Una mentalidad orientada a la investigación del estudio de posgrado ciertamente será una bendición; Una habilidad indispensable en la ciencia de datos es poder pintar una imagen y contar una historia a partir de los datos. El dominio de conceptos matemáticos como el álgebra lineal y el cálculo multivariado a partir de problemas de dinámica de fluidos ridículamente complejos resulta particularmente útil (francamente, requerido) para áreas como el aprendizaje automático. La práctica intensiva de métodos y herramientas computacionales como MATLAB hace que recoger análisis de datos exploratorios, “munging” de datos y visualización de datos sea muy fácil con herramientas en R y Python. La lista continúa … En pocas palabras: el conjunto de habilidades es más paralelo que ortogonal.
Segundo, un editorial : mientras completaba (y disfruté) los cursos de ciencia de datos de edX, Coursera y Udacity, * en mi opinión *, encontré que el programa Data Analyst Nanodegree era el más formativo . Consigo constantemente de la base de habilidades que establece este programa. Originalmente respondí a una publicación de Quora en marzo / abril de 2015 que entra en más detalles y comparación (enlace). En resumen, los proyectos me parecieron increíblemente reales, instructivos y desafiantes. Uno de los proyectos me hizo identificar y predecir el fraude de correos electrónicos y datos financieros reales de Enron, y honestamente plantó la semilla de mi interés en el aprendizaje automático.
Por último, una recomendación : descubra lo que es adecuado para usted . La misión principal de Udacity es democratizar la educación, y literalmente puede tomar y consumir todos los cursos constitutivos del programa Nanodegree de forma gratuita . Si no es una buena opción para usted, hay una infinidad de alternativas como los bootcamps de ciencia de datos en persona u otros programas en línea como DataCamp, MIDS de UC Berkeley y OMS CS de Georgia Tech. O, incluso autodidacta y compitiendo en una competencia de Kaggle. Para mí, el programa Nanodegree se ajustaba perfectamente tanto al contenido como al precio; ¡Gasté $ 400 y ahora estoy en un programa de posgrado que costará ~ $ 7k! Creía tanto en la fórmula que solicité un trabajo en Udacity y también me inscribiré en el Programa Nanodegree de Machine Learning Engineer en enero de 2016.
Mucha suerte, y no dude en comunicarse con Quora o Twitter (@allanbreyes). ¡Aclamaciones!
