¿Por qué necesitarías un master / doctorado para trabajar como científico de datos?

Hay definiciones de ciencia de datos que ciertamente están abarcadas por sus tres puntos. Aunque tendrías que hacer muchos cursos para obtener las 3 matemáticas, las estadísticas y el conocimiento de codificación para ser un científico de datos efectivo (como se define) directamente de tu licenciatura. Aunque eso ni siquiera comienza a cubrir la experiencia necesaria con datos del mundo real.

Para mi definición personal (que no es exclusiva para mí, simplemente lo que creo que debería ser un científico de datos), es muy posible que alguien sin título pueda hacerlo, aunque tendrían que ser increíblemente disciplinados e increíblemente inteligentes.

Mi definición es más o menos la siguiente: un científico de datos resuelve problemas con los datos, utilizando un enfoque basado en principios.

Suena fácil, ¿verdad? Cualquiera puede resolver problemas con los datos, ¿verdad? ¿Y qué tiene que ver un enfoque basado en principios con algo?

Centrémonos en el enfoque de principios. La mayoría, todo, de lo que podría pasar bajo la resolución de problemas con datos se puede redirigir aquí.

Primero, debe asegurarse de resolver el problema apropiado. Cualquiera puede ejecutar, digamos, una regresión para predecir, oh, dinero entrando. Pero a menos que no tenga costos, ¿cómo puede calcular las ganancias? ¿Qué pasa si hay un elemento temporal?

En segundo lugar, debe ser consciente de los supuestos que está haciendo explícitamente. ¿Hay un efecto estacional aquí? ¿Los datos son representativos de la población que estoy estudiando?

En tercer lugar, debe tener en cuenta las suposiciones implícitas (o explícitas) en sus algoritmos de aprendizaje automático y modelos estadísticos. ¿Qué significa si estoy haciendo una regresión aquí? Demasiados estudiantes universitarios (incluso entrenados en estadística) cometen este error. Incluso aquellos con maestros lo hacen, aunque con menos frecuencia. Sin embargo, cuando alguien realmente ha recibido o está bien en un doctorado, tienden a ser muy conscientes de los pequeños detalles. (Estas son cosas que he visto de, por ejemplo, tutoría y consulta con estudiantes de pregrado a doctorado durante mis propios títulos de posgrado). No estoy diciendo que necesite un doctorado para hacer esto. Sin embargo, de lo contrario, la disciplina requerida para aprender a pensar de esa manera puede ser difícil, si se da cuenta de la necesidad en primer lugar.

Hay otros puntos que podría mencionar. Creo que he hecho suficientes puntos. Ser un científico de datos no se trata de arrojar datos a algoritmos. Debe comprender lo que significan los datos y la salida, en múltiples niveles.

TL & DR: No necesita un doctorado para trabajar como científico de datos.

Los científicos de datos crean productos de datos. Mi opinión personal sobre lo que sabe un científico de datos es la siguiente:

1. La forma en que maneja los datos, si es grande o pequeña, se transmite o se comporta bien, es irrelevante siempre que puedan manejar los datos de la tarea que tienen a mano;
2. Aplicar una metodología científica que permita la reproducibilidad y la validación con el propósito de crear productos y conocimientos que respalden la decisión y agreguen valor a la organización.

Ninguno de estos implica un grado, sin embargo, argumentaré que un maestro en un campo pesado cuantitativo ayuda con el n. ° 2.

No estoy de acuerdo con tu lista de habilidades. Por ejemplo, “Capacidad para contar una historia” está muy sobrevalorado bajo el supuesto de que se trata de crear gráficos e informes. En mi opinión, no lo es. Lo que necesita allí es la capacidad de informar ideas. Esto puede ser informes y experimentos para que la gente los lea, pero también comunicaciones de máquina a máquina. Las máquinas hablan otro idioma y no cavan historias. 🙂

Es el punto 3. No hay ningún punto en el que comprenda “las” matemáticas, ya que existen múltiples niveles de comprensión. Además, los métodos para diferentes aplicaciones pueden variar bastante. Por lo tanto, la educación adicional fortalecerá su capacidad para llegar a enfoques exitosos.

Por supuesto, esto se refiere al contenido que aprende, no al grado en sí mismo.