En general, hacer DS implica aplicar algoritmos ML en sus datos. Sin embargo, la mayoría de esos algoritmos ya existen y usted los modifica y modifica para su propósito. Por lo general, no se te ocurre algo completamente nuevo y los métodos ya están implementados en varios lenguajes de programación y bibliotecas. Si realmente quieres innovar en ML, probablemente tengas que seguir una carrera académica o ingresar a uno de los grupos de investigación industrial. Una gran parte que es lo mismo entre DS y ML es que tienes que seleccionar las características que introduces en algo (dado que no estás lanzando un aprendizaje profundo en todo). Incluso diría que comprender sus datos y limpiarlos en consecuencia es más crucial que el algoritmo que le aplicará.
Tampoco tomaría las descripciones de trabajo demasiado en serio. Hay una escasez en las investigaciones de ML, así como en los científicos de datos (o todo lo que es pesado en matemáticas). Por lo tanto, la solicitud es más bien “debe tener un doctorado en un campo relacionado con Machine Learning”. Por lo tanto, alguien con un doctorado en un campo de ingeniería y conocimientos de matemáticas y algoritmos aún debería tener muy buenas posibilidades de conseguir un trabajo. Ha demostrado a través de su doctorado que puede trabajar en un proyecto durante mucho tiempo, adquirir las habilidades y el conocimiento que necesita en el camino y encontrar una solución al problema que quería resolver. Entonces tienes la curiosidad y el espíritu de investigación que uno necesita.
Dado que ya tiene un doctorado y experiencia en ingeniería eléctrica e inalámbrica, supongo que tiene experiencia en matemáticas. Entonces, tal vez el autoestudio sea el camino a seguir y no hacer un doctorado completo desde cero. Hoy en día hay muchas formas de adquirir esas habilidades, ya sea a través de MOOCS como Coursera, Udacity o algunos cursos o talleres de 3 a 6 meses en los que obtienes un certificado al final. Si un posible empleador ve que usted le dedicó tiempo libre a informarse sobre un campo en el que desea ingresar, le indica que usted se toma en serio esa tarea.
También puede ver la posición de Data Scientist como una entrada al mundo de la investigación de ML. Sé de personas que comenzaron como analistas de datos, se convirtieron en científicos de datos y eventualmente investigadores.
También depende de la empresa que está creando los anuncios de trabajo. Para mí, parece que los RR.HH. usan el título Científico de datos, Investigador de datos, Investigador de aprendizaje automático, Especialistas en aprendizaje automático, etc. como sinónimos. Por lo tanto, es posible que desee echar un vistazo más de cerca a las descripciones de trabajo, incluso si el título no indica directamente un puesto de investigación.
¡Todo lo mejor!