Estoy en tercer año de ingeniería y quiero ser científico de datos. Pero estoy completamente confundido por dónde empezar. Entonces, ¿cómo debo hacerlo?

La ciencia de datos es la supervivencia del más apto en un juego de trabajo duro y pasión con los datos. Obtener una educación de posgrado de instituciones acreditadas es una forma de demostrar esa obsesión. Sumergirse en el Kaggle (u otros desafíos de datos) tan profundo que pierda la noción del tiempo y olvide su cena es la otra forma de saber por sí mismo que le apasionan los datos.

Entonces, aquí está la fórmula 3X3 para comenzar para alguien sin experiencia en el campo relacionado con la ciencia de datos para saber si debe perseguir su pasión con la ciencia de datos:

De ahora en adelante, pasa 3 horas al día en ciencia de datos . Comience a resolver el problema de Kaggle con R: Tutorial de una hora y pase gradualmente a los MOOC de Coursera, edX y otros recursos en línea. que cubre los conceptos básicos de aprendizaje automático y estadísticas. No te avergüences si no entiendes nada. Pregunta en Quora, pregunta en los foros, descubre más y sigue avanzando.

• Haga esto durante 3 meses , sin parar todos los días. Luego evalúe si todas estas cosas de aprendizaje automático le interesan.

Si incluso después del mini infierno 3 × 3, no se inmuta, ahora está listo para profundizar en temas de ciencia de datos reales:

1. Cubra algunos de los temas en detalle según su interés como PNL, sistemas de recomendación, aprendizaje profundo y MOOC completos en tecnologías de big data como Spark y Hadoop.
2. Realice 3-4 proyectos relacionados con la ciencia de datos Compita en Kaggle, cree productos de datos con datos abiertos, trabaje en trabajos de contrato de datos, intente obtener una pasantía: pasantías de Data Science y Data Analyst
3. Haz (1) y (2) hasta que creas que estás listo para un trabajo

Las 3 horas que pasas todos los días construyen tu base. Los 3-4 proyectos que realiza muestran sus capacidades (siéntase orgulloso de compartirlos durante las entrevistas). Incluya el enlace de su perfil de Github en su perfil de linkedin. Te sorprenderá cuánto sabes al final de un año.

En primer lugar, buena elección. El científico de datos es un buen trabajo para tener.
Para convertirse en un científico de datos, debe tener los siguientes requisitos previos:
1) fundamentos sólidos en probabilidad y estadística.
Para ello, estudie el curso sobre “introducción al análisis de datos” en el sitio web de nptel. Es realmente asombroso. Hice mi curso de análisis de datos allí.

2) aplique lo que aprendió en este curso para analizar un tipo de problema de datos.
Por ejemplo: usar la regresión para predecir ventas, etc.

3) aprender herramientas de análisis de datos

Para esto comienza con excel. Luego aprende la programación R.

Esta sería la forma más estructural de encaminarse para convertirse en un científico de datos.

¡Todo lo mejor!

Científico de datos. Es una buena elección, debería decir teniendo en cuenta la necesidad de ingenieros de datos en los próximos años. Para empezar, debes aprender más sobre qué es la ingeniería de datos. No es solo análisis de datos, sino mucho más. También intente averiguar las empresas que buscan este perfil. Para ser un ingeniero de datos, debe tener buenas habilidades de razonamiento lógico y resolución de problemas. Puede mejorar en estas áreas resolviendo preguntas de aptitud que están disponibles en línea o en forma de libros.
Luego, debe comenzar aprendiendo a trabajar con algunos de los softwares y lenguajes de programación que se utilizan en Ingeniería de Datos.
Para comenzar con el primer maestro de Microsoft Excel. Los expertos dicen que es una de las mejores herramientas de análisis de datos de la historia y luego buscan los conceptos básicos de la programación Python y el trabajo con Hadoop.
Con esto, creo que definitivamente puede tener mejores posibilidades de ser contratado para el puesto de ingeniero de datos.
Buena suerte amigo.

Comience investigando sobre el perfil y conozca más sobre los requisitos de la industria de un Científico de Datos.

Es un gran espacio para estar, pero también debes saber que estarás lidiando con muchos números porque son solo datos.

Infórmese más sobre las tecnologías actuales utilizadas por un científico de datos y desarrolle sus habilidades en cualquiera de estos temas: minería de datos, almacenamiento de datos, big data y computación en la nube.

Puede parecer abrumador al principio, tenga paciencia, está bien si su progreso es lento, sea persistente hasta que capte algo de interés y todo lo que aprendió lo ayudará a mejorar.

Tener conocimientos sobre herramientas de visualización de datos como Tableau, gráficos de Google, folletos, etc. definitivamente será útil.

Feliz excavación 🙂