A principios de 2012, era ingeniero de software en Atlanta y me frustraba con mi papel. De acuerdo, tenía una amplia experiencia en informática (con un doctorado y todo eso), pero después de 3 años, trabajar como desarrollador ya no era satisfactorio. Quería dar el siguiente paso en mi carrera, pero la única opción para un desarrollador parecía ser convertirse en gerente de proyecto. Y en ese momento conocí a demasiados gerentes de proyecto hastiados y de mediana edad para que pareciera una perspectiva feliz.
Ya me había atrevido con la idea de convertirme en un desarrollador de aplicaciones autodidacta, pero no tenía ningún talento para el desarrollo front-end. Estuve buscando consultoría administrativa por un tiempo, pero no tuve el estómago para dedicar 80-100 horas semanales con toneladas de viajes. Por curiosidad (o tal vez desesperación), me inscribí en el primer producto de una nueva empresa, y eso me puso en el camino de ser un científico de datos.
La startup se llamó Coursera, y el producto fue su primer curso, Machine Learning por Andrew Ng.
Durante los siguientes 2 años, me enseñé ciencia de datos a través de varios recursos en línea (gratuitos y de pago), y terminé en un trabajo de ensueño como Chief Data Scientist en una nueva empresa de ciberseguridad financiada por una de las 3 principales empresas de capital de riesgo en el mundo. Y hoy, soy Director de Educación de Ciencia de Datos en Springboard, ayudando a miles de otros estudiantes a aprender ciencia de datos y tener acceso a este increíble campo. Aquí hay algunas cosas que aprendí en el viaje sobre cómo convertirse en un científico de datos, ¡y algunos de estos consejos probablemente también pueden traducirse en otros tipos de transiciones profesionales!
1] Comience con algo pequeño: con cursos en línea o campamentos de arranque
Comencé tomando (¡y terminando!) Varios cursos en Coursera, generalmente tomando 2 cursos a la vez. En ese momento, Coursera era el único lugar en línea disponible para este tipo de cosas. Hoy en día hay muchas opciones en línea, que van desde cursos gratuitos hasta títulos de maestría muy caros.
Personalmente, soy fanático de los bootcamps en línea, principalmente porque te permiten aprender los fundamentos rápidamente, lo suficiente como para cambiar a un rol más cercano a la ciencia de datos que el anterior. En particular, recomiendo los talleres guiados por mentores de Springboard ( Descargo de responsabilidad: trabajo en Springboard y he diseñado el plan de estudios, por lo que soy parcial ). ¡Cuando comencé este viaje, tener un mentor con el que pudiera conectarme regularmente me habría ahorrado mucho tiempo y esfuerzo!
Prefiero la idea de hacer cursos más cortos o campamentos de arranque en lugar de una maestría costosa y costosa desde el principio. Inicialmente, es posible que no sepa lo que quiere a largo plazo, y un programa más corto le brinda una forma rápida de probar las aguas mientras enseña valiosas habilidades fundamentales.
2] Construya su red uniéndose a una reunión (¡o comience una!)
Unos meses después de comenzar a tomar las clases de Coursera, quería conectarme con otras personas en el espacio de la ciencia de datos. Alguien sugirió revisar Meetup, así que decidí mirar allí. Encontré varias reuniones en Atlanta sobre herramientas específicas, por ejemplo, R, Python, Hadoop, etc., pero nada sobre ciencia de datos como campo. Un amigo y yo decidimos comenzar una reunión llamada Data Science ATL.
Nuestras primeras reuniones se organizaron muy rudimentariamente. Tanto los oradores como la audiencia fueron extraídos de nuestras redes personales. ¡Poco a poco, el grupo creció en popularidad y en los próximos dos años, acumuló más de 2000 miembros!
Los encuentros sobre ciencia de datos existen en todas las ciudades importantes del mundo ahora. Son una forma fantástica de construir rápidamente su red, conocer a profesionales en un campo y aprender sobre las últimas tendencias y la información privilegiada sobre diversos trabajos y empresas. Recomiendo encarecidamente encontrar su reunión de ciencia de datos más cercana e ir a su próximo evento. Es bastante simple:
- Vaya a meetup.com y cree una cuenta gratuita.
- Busque ‘Ciencia de datos’ cerca de su código postal. Si vives en una ciudad pequeña, amplía la distancia que estás buscando. La gente conducía regularmente en 3–4 horas (desde AL, TN, NC y SC) para nuestras reuniones mensuales en Atlanta.
- Confirmar asistencia a un evento
- ¡Aparece y diviértete!
3] Haz muchas entrevistas informativas
En el verano de 2012, justo después de que se despertó mi interés en la ciencia de datos, me fui de vacaciones a Washington DC. Esta era una ciudad a la que mi compañero y yo estábamos considerando mudarnos, por lo que queríamos buscar oportunidades de trabajo (eventualmente terminamos mudándonos a SF). A través de una investigación en LinkedIn, encontré a un científico de datos que trabajaba en LivingSocial (las compañías de cupones y negocios eran realmente grandes entonces (¿recuerdas a Groupon?)) Se acercó a él y organizó una breve reunión de café de 30 minutos en un Starbucks cerca del LivingSocial office.
Llegué a la reunión un poco temprano y encontré una mesa cómoda y agradable. Apareció, y resulta que decidió llevar a su jefe para la conversación, dándome dos científicos de datos por el precio de uno. Fui muy directo con ellos; No quería un trabajo con ellos de inmediato, pero les hice dos tipos de preguntas.
- ¿Qué necesito aprender para convertirme en un científico de datos?
- ¿Cómo sé que estoy listo?
Tan pronto como se dieron cuenta de que no los estaba lanzando para un trabajo, se relajaron de inmediato y durante los siguientes 90 minutos, me dieron una cantidad increíble de información, hasta capítulos específicos de libros que debería leer y entrevistar trampas que debería evitar . Esta gran cantidad de información me ayudó en los próximos meses a decidir en qué tipo de educación y aprendizaje necesitaba invertir mi tiempo.
Las entrevistas informativas con expertos son los pasos más valiosos (y subestimados) que puede tomar para crear o cambiar carreras. A menudo pueden ahorrarle meses o años de tiempo y esfuerzo. Úsalos bien.
4] Cambiar trabajos a roles de transición
Hacer algunos cursos de Coursera me dio suficiente conocimiento de Machine Learning en ese momento que pude cambiar de trabajo al rol de ingeniero de datos. En ese puesto, trabajé principalmente con tecnologías de big data como Hadoop, Cassandra, HDFS, etc. Mi responsabilidad principal era trabajar con científicos de datos, leer su código y sus trabajos de investigación y descubrir cómo escalar ese trabajo a conjuntos de datos masivos con miles de millones de registros. Si bien este trabajo utilizó principalmente mis habilidades de ingeniería de software, me acercó mucho más a la ciencia de datos, tanto a través de mi trabajo como al trabajar con científicos de datos en el día a día.
5] Haz que tu empleador financie más educación
Después de tomar las clases de Coursera y cambiar al rol de ingeniero de datos, me di cuenta de que quería acercarme aún más a la ciencia de datos y aprender mucho más sobre Machine Learning de una manera rigurosa. Un amigo sugirió tomar clases en Stanford a través de su programa SCPD. Cada clase en Stanford cuesta varios miles de dólares, sin embargo, pude negociar eso con mis empleadores en 2-3 empleos posteriores. Esto es algo que muchas personas dudan en investigar. La mayoría de los empleadores tienen presupuestos educativos que están disponibles para que los empleados los utilicen, pero como empleado, debe presentar un caso, generalmente a su jefe, sobre por qué el curso que planea tomar ayudaría a la empresa. La mayoría de los jefes en mi experiencia están muy contentos de tener empleados que desean subir de nivel sus habilidades y asumir nuevos desafíos.
Así que ahí está mi viaje para convertirme en un científico de datos. Comenzando por un ingeniero de software, tomando clases en Coursera, comenzando una reunión, cambiando a través de un par de roles de ingeniería de datos, tomando clases en Stanford financiadas por mi empleador y finalmente obteniendo el trabajo de mis sueños como Científico Jefe de Datos en una startup de ciberseguridad financiada por Una de las firmas de capital riesgo más importantes del mundo. ¿Y cómo conseguí ese trabajo? Uno de mis mentores, que también fue el primer orador en mi reunión de ciencia de datos, me recomendó al fundador de la compañía. Su red a menudo vale la pena de maneras extrañas e inesperadas.
PD: Con nuestros cursos de ciencia de datos guiados por un mentor en Springboard, hacemos que este viaje sea mucho más fácil para usted. Su mentor no solo le brinda orientación técnica sólida, sino que también funciona como una puerta de entrada al mundo de los científicos de datos. Muchos de nuestros estudiantes exitosos han encontrado sus oportunidades en la ciencia de datos a través de conexiones y orientación de sus mentores.
Raj Bandyopadhyay es el Director de Data Science Education en Springboard . Él es responsable de crear y mantener el plan de estudios de ciencias de datos de Springboard y también brinda apoyo profesional específico para los estudiantes de ciencias de datos. Antes de esto, trabajó como científico de datos durante varios años, principalmente en el sector de ciberseguridad. Tiene una maestría / doctorado en informática de la Universidad de Rice y una licenciatura en informática de IIT Bombay.