¿Cómo convertirse en un científico de datos financieros? Quiero aplicar programación, matemáticas y finanzas en un solo trabajo. Tengo una licenciatura en informática, soy bueno con Java y C ++, y estoy aprendiendo R y Python. ¿Cuál debería ser mi próximo paso?

Gracias por el A2A.

Creo que Jalem Raj Rohit ha cubierto muchos de los aspectos esenciales de la práctica de la ciencia de datos financieros. Tendría que agregar los siguientes elementos:

1. El dominio de las finanzas es pesado en el análisis predictivo, y necesitaría algo de experiencia en el tema y algo de experiencia práctica en la implementación y prueba de modelos de series de tiempo y pronósticos. Algunos temas relevantes de series de tiempo son los datos de series de tiempo y sus formatos, promedios móviles, medidas estadísticas básicas de los datos, inferencia estadística, enfoques de suavizado, agrupamiento, mezclas, tendencias y oscilaciones, autocorrelación, modelos de autorregresión Holt-Winters y ARIMA, modelos de descomposición, modelado de series temporales estacionales, medidas de calidad del modelo y muchos más que no están en esta lista. Recomiendo aprender el “pronóstico” del paquete R de Rob Hyndman y las funciones asociadas en él. R es usado más frecuentemente por “quants” financieros que Python (aunque esto está cambiando cada vez más)
2. Para elegir los lenguajes y plataformas de programación, es importante ser flexible e incluso estar abierto al código heredado escrito en lenguajes de programación estructurados antiguos (aunque supongo que en realidad no necesitará escribir código en ellos, es posible que necesite aprender cómo trabajan ellos).

En su caso específico, tiene los antecedentes en conceptos de informática y herramientas de los mismos, como algoritmos, bases de datos y lenguajes de programación. Dedicará mejor su tiempo a aprender sobre finanzas como un dominio, y a aprender los modelos estadísticos que se utilizan en big data y data science. También es posible que necesite aprender marcos como Hadoop, Mapreduce y Spark, especialmente el último, ya que es probable que se requiera una gran cantidad de análisis de datos de transmisión en la ciencia de datos financieros.

También podría beneficiarse de aprender sobre el aprendizaje profundo y las redes neuronales, porque se están utilizando varios algoritmos maduros de redes neuronales para la predicción avanzada y, de hecho, para el análisis de series de tiempo, ya existen muchos de estos enfoques.

No te limites con solo unos pocos sitios web y contenido. Tecnologías como Big data, data science e Internet of Things requieren más que solo leer y comprender contenido. Si se toma en serio la ciencia de los datos como una carrera (nueva carrera), busque un mentor (muchos serán mentores en línea en LinkedIn) y busque sugerencias y crecimiento profesional. Estos dos enlaces (a continuación) tienen muchas noticias / blogs mashups , actualizado a diario. Lea durante unos días y sabrá qué blogs / sitios web funcionan para usted. Luego puede detenerse en estos y usar sus sitios / blogs favoritos.

Hay personas interesantes en LinkedIn y Twitter, síguelas y prepara sus blogs.

El ascenso del científico de datos de bricolaje

Big Data DIY – Wall Street y tecnología

El diario de ciencia de datos

Big Data Daily

Otros enlaces de bonificación

¿Cómo utilizar las tecnologías emergentes para crear una futura carrera relevante?

5 errores importantes que los desarrolladores de software indios continúan cometiendo

Recomendaré un avance profesional basado en intereses en finanzas y programación. Debe mantener la fluidez matemática en excelente forma y aprender continuamente más cuando sea necesario. Debe localizar su programación para dominar solo Python y R, aprendiendo las bibliotecas estándar y los usos específicos para los trabajos. Debe sentirse cómodo con ellos en el uso de prototipos y la implementación de sistemas. A continuación, debe estudiar el requisito de finanzas y economía para el estudio de la división superior en un programa de grado. Esto incluye las finanzas corporativas y la teoría económica, y cualquier apoyo. Debería estudiar esto con libros de texto estándar y cursos de práctica en línea, si no puede permitirse otro título. Entonces necesita pasar la carrera profesional de análisis financiero certificado. Esto lo colocará en el asesoramiento financiero y las decisiones estratégicas de primer nivel, y no en un programador poco calificado que analiza los datos sin antecedentes. Para cualquier técnica de aprendizaje avanzada, debe tener la probabilidad y las estadísticas necesarias, y adquirir el uso de estas técnicas en el uso diario. Está implícito que el desarrollo de soporte es el uso y la gestión de bases de datos, y la aplicación de algoritmos de aprendizaje estándar en las bibliotecas. Entonces tendrá un uso de los métodos y la programación para el desarrollo financiero sostenido y certificado. Esto lo coloca en roles más cercanos al crecimiento económico y la estrategia comercial dentro de su empresa deseada. Puede realizar esta posición con los datos que vienen y su uso para decisiones financieras.

Gracias Quora User & Paramjeet Singh por A2A,

Como dijiste, has completado la graduación en ciencias de la computación y eso ayudará aquí. La ciencia de datos es una combinación de muchas tecnologías, por lo que si desea ser un científico de datos, debe concentrarse en lo siguiente:

1. Conocimiento de programación
2. Matemáticas
3. Estadísticas y probabilidad

El lenguaje de programación juega un papel vital en la ciencia de datos. Cuando se trata de jugar con datos por su elección, entonces usa un lenguaje de programación. La mayoría del lenguaje de programación del usuario es ‘R’ y ‘Python’ para la ciencia de datos.

Cuando se trata de manejar grandes datos, ML (Machine Learning) es útil. Para especializarse en ML, debe tener una base sólida en Algoritmo y Álgebra Lineal, así como un cálculo de variable única.

La estadística es una ciencia de la incertidumbre. Debe tomar ciertas decisiones donde su conocimiento estadístico sería beneficioso.

Ahora hablemos de la ciencia de datos y su dominio. Ahora, el conocimiento mencionado anteriormente es necesario, pero hay algo que debe saber antes de continuar su trabajo diario como científico de datos que es ‘Conocimiento del producto’. También lo referimos a veces como conocimiento de dominio.

El conocimiento del dominio es muy esencial en el campo de DS donde aprende sobre los productos y lo que la compañía hace y lo que quieren lograr, etc. Permítanme darles mi ejemplo, estoy trabajando para mi cliente Aviva (tercera marca de insurgencia más grande del mundo) y antes de comenzar a jugar con datos, me dieron un conocimiento profundo sobre seguros.

La misma lógica se aplica al dominio financiero. Si realiza alguna certificación en finanzas y aprende ciencia de datos, entonces seguramente trabajará como científico de datos en el dominio de finanzas. Hoy en día, algunas multinacionales también esperan la certificación de conocimiento de dominio, por lo que si la ha obtenido, es beneficioso y más fácil ingresar a la ciencia de datos.

Aquí no he proporcionado las formas de convertirse en científico de datos porque cuestiono más luces sobre el conocimiento del dominio. Aquí proporciono algunos de mis enlaces de preguntas y respuestas para obtener más información sobre el campo de ‘Ciencia de datos’

La respuesta de Akash Dugam a ¿Dónde debería comenzar para aprender el desarrollo de big data?

La respuesta de Akash Dugam a ¿Cuál es la diferencia entre analista de datos y analista de negocios?

La respuesta de Akash Dugam a ¿Hay algún sitio web donde podamos aprender ciencia de datos de forma gratuita?

La respuesta de Akash Dugam a ¿Qué hace que Python sea tan rápido para el análisis de datos a gran escala en comparación con R o SAS?

La respuesta de Akash Dugam a ¿Cuáles son las habilidades necesarias para convertirse en probador de big data?

La respuesta de Akash Dugam a ¿Es útil para un científico de datos saber acerca de los sistemas operativos?

La respuesta de Akash Dugam a ¿Qué libros debería leer R / Python Data Analyst?

La respuesta de Akash Dugam a ¿Cómo sé si la ciencia de datos es adecuada para mí? He visto muchas respuestas desalentadoras a las preguntas de carrera hasta ahora, a menudo destacando lo difícil que es y lo ingenuos que tienden a ser los futuros estudiantes. ¿Cuál es la mejor manera de evaluar mi ajuste para este camino?

La respuesta de Akash Dugam a ¿Cómo puedo obtener una pasantía de ciencia de datos como nuevo estudiante? Tengo cierta experiencia con R, Python, SQL, Access y Excel.

La respuesta de Akash Dugam a Estoy aprendiendo programación R para Data Science. ¿Qué software necesito instalar para poder ejecutar los programas R?

La respuesta de Akash Dugam al cambio de carrera: ¿Cuáles son las mejores formas de aprender SAS y R para un no programador?

Es un tiempo de dos pasos:

1. Aprender habilidades : para el análisis de datos, debe aprender R, SAS o Hadoop. Mientras que el curso R está disponible gratuitamente en coursera. También puedes intentar buscar buenos libros sobre R en torrent. Para SAS, debe descargarlo con torrent, también los videos y el material de aprendizaje. Además, hay muchos blogs para R y SAS.
   
2. Experiencia : debe ingresar a un trabajo de análisis para obtener experiencia práctica de las herramientas, trabajos, etc.
   

Después de un tiempo y de perfeccionar sus habilidades, puede aplicar y descifrar un perfil de científico de datos en cualquier lugar.

Hola akanksha

Bueno saber. Pero, creo firmemente que la funcionalidad de Data Scientist es bastante igual en todo el dominio. En primer lugar, debe ser un analista de calidad antes de ser un científico de datos. Un buen conocimiento de matemáticas, estadísticas y SQL es muy importante. Intente inscribirse en algunos cursos en línea de análisis y familiarícese con los estándares de la industria. El científico de datos no es una posición para una nueva, necesita una comprensión justa del modelo de negocio. Intenta crecer paso a paso. Las certificaciones en el modelo financiero son apreciables, conocerá los modelos financieros. Eso agrega como una ventaja adicional.

Por último, para ser un científico de datos, debes ser el Jack de todos los oficios

Creo que también debería agregar un curso sobre Estadísticas para la gestión (la econometría sería muy beneficiosa) que se basa en el Análisis de datos. Un científico de datos debe tener un conocimiento sólido de varias pruebas estadísticas, análisis de regresión, etc.

Marque un ms en “ingeniería financiera”, ya que parece que está buscando una posición más cuantitativa. Para un rol general de ciencia de datos, ms o phd en nlp / ai, etc. también podrían ser buenos. También puede encontrar algunos cursos de análisis de negocios, así como también hay un ‘kit de herramientas de ciencia de datos’ en coursera.

Esto es una gran cosa que hacer. Echa un vistazo a la reciente publicación de Tom Bloemers en LinkedIn que define qué son los científicos financieros.

https://www.linkedin.com/pulse/f …