Bueno, eso depende.
A pesar del alboroto de la “ciencia de datos”, en la vida real estas transiciones no siempre son caminos hacia la riqueza o el glamour.
Considere los conceptos básicos, como estos:
- ¿La popularidad del término 'Big Data' es un poco hiperbólica?
- Cómo curvar datos de ajuste con un modelo desconocido
- ¿Cuáles son las desventajas de Julia en comparación con Python?
- ¿Quiénes son algunos reporteros que cubren Data Science?
- ¿Hay personas de Física y Química Computacional que realizan Ciencia de Datos en la industria?
- ¿Es el salario su única razón para considerar un cambio?
- ¿Su salario actual es adecuado?
- ¿Tienes las habilidades adecuadas para el trabajo?
Tal vez se pregunte si vale la pena invertir tiempo y dinero para obtener un título adicional o asistir a un campamento de entrenamiento. Si es así, lea 4 Razones para no obtener esa maestría en ciencia de datos.
Tal vez estás cansado de los semiconductores. Esa es una buena razón para explorar opciones.
Si le gustan los semiconductores y ya tiene algunas habilidades analíticas, considere buscar formas de moverse dentro de su industria, tal vez con su empleador actual. Muchos profesionales analíticos exitosos comienzan de esta manera.
He escrito mucho más sobre carreras de análisis (con datos también) en estos artículos para Forbes:
- Si está pensando en una carrera en análisis de datos, haga esto primero
- No necesita una educación de lujo para comenzar una carrera de análisis de datos
- Haga 3 tipos de preguntas sobre los títulos de maestría en ciencias de datos
- Puede obtener un trabajo de análisis de datos sin una maestría en ciencia de datos
- 4 razones para no aprender a codificar
- 3 formas principales en que los solicitantes calificados arruinan sus entrevistas de análisis de datos
- 7 terribles hábitos de los profesionales de análisis de datos
- 10 carreras de análisis de datos que no son científicos de datos
