No necesitas mucho dinero para convertirte en un científico de datos. Si crees que puedes pagar internet y una computadora portátil, ¡eres más que bueno! Todo lo que necesitas es determinación y perseverancia . Puede estar familiarizado con estas palabras. El camino hacia el éxito en la ciencia de datos en ciencia de datos es difícil, pero vale la pena.
Mantendré esta respuesta breve y al punto porque ya hay innumerables recursos donde puedes encontrar la respuesta. También he subido una hoja de trucos increíble solo para principiantes en esta respuesta.
A continuación, se detallan los puntos más importantes que debe tener en cuenta un estudiante nuevo antes de comenzar su viaje de ciencia de datos. Tenga en cuenta que he mencionado solo los mejores recursos:
- Para Big Data, ¿cómo podría uno aprenderlo desde cero?
- ¿Cuáles son las buenas bibliotecas de código abierto en Python o R para los métodos de Tensor? ¿Su equipo mantiene alguna?
- ¿Alguien ha pasado por Springboard y Udacity analista de datos / programas de ciencia? Estoy buscando garantías de empleo e información de contenido educativo.
- Cuando los departamentos universitarios cambian su nombre para incluir la palabra 'Ciencia de datos', ¿se trata principalmente de marketing?
- Cómo hacer un trabajo orientado a la investigación en big data
- Debes sentirte cómodo con las matemáticas. Si no, es hora de hacerlo. De hecho, las matemáticas son el lenguaje de la naturaleza para comunicarse directamente con nosotros. Precisamente, para la ciencia de datos, debe sentirse cómodo con estadísticas, probabilidad, álgebra lineal, matriz, determinante e integración. Recursos: Realice estadísticas (descriptivas e inferenciales) de Udacity. Busca descansar en la Academia Khan
- Debes saber la codificación. Esto no significa que debas ser estudiante de informática. Soy un estudiante no informático. Para aprender la codificación, solo debe ser lógico y tener una memoria nítida. Te sugiero que comiences con R o Python. Estos son los mejores lenguajes de codificación para la ciencia de datos. Recursos: Búsqueda en Google – Ruta de aprendizaje en R y Ruta de aprendizaje en Python.
- Realice los pasos 1 y 2 a fondo. Es posible que deba regresar y revisar. Hazlo. Pero no proceda hasta que se sienta seguro de ellos. Recuerde, estos son bloques de construcción de un científico de datos.
- Comience a tomar MOOC. Son de libre acceso. Pero, si desea obtener la certificación, eso requerirá el pago de una tarifa. Para los usuarios de R, el curso de Analytics Edge de edX es increíble. Para los usuarios de Python, Python en ciencia de datos en Coursera es increíble.
- Participa en la competencia de ciencia de datos. Aquí es donde puede ganar el glamour y la fama en la industria mundial de la ciencia de datos. La ciencia de datos tiene pocas plataformas donde puedes participar, ganar premios y ser popular. Además, si puede obtener un rango respetable, no pasaría mucho tiempo antes de que compañías como Google, Facebook lo contacten para obtener trabajo. Estas plataformas son Kaggle, Data Hack Analytics Vidhya .
Eso es todo ! Para los candidatos aspirantes serios, la siguiente hoja de trucos podría ser de gran ayuda en la planificación del calendario de estudios de 2016 para la ciencia de datos. ¡Todo lo mejor!
