Respuesta corta, sí.
Respuesta larga: Usted está absolutamente calificado para convertirse en un científico de datos, sin embargo, ser un científico de datos no solo se trata de aprendizaje automático e inteligencia artificial. En mi opinión, comprender los negocios es un elemento clave para convertirse en un exitoso científico de datos. Debe poder utilizar su experiencia en el campo de ML para resolver problemas que se traducen en dólares en el banco.
Es una evaluación brutal de la profesión, estoy de acuerdo, pero solo los mejores en el campo (como Andrew Ng, Geoff Hinton CD Manning, etc.) tienen el lujo de ser parte de un ecosistema donde su trabajo académico se traduce fácilmente en oportunidades de negocio. En la mayoría de los casos del mundo real, las necesidades empresariales impulsan los objetivos de investigación, y al provenir de la academia, podría tomar un poco de tiempo adaptarse.
Al invitar al usuario de Quora y a Dipayan Maiti a agregar complementos, podrían brindar una experiencia más práctica al pasar de la academia a los negocios.
- Yo trabajo como científico de datos. ¿Tiene sentido para mí aprender finanzas cuantitativas por el bien de mis propias inversiones?
- ¿Es la ciencia de datos una ciencia aburrida?
- ¿Qué piensan los científicos de datos experimentados sobre 'El proceso de ciencia de datos' descrito en Harvard CS 109 (2013) (ver imagen)?
- Cómo usar de manera óptima los próximos seis meses si tengo que ser mejor en Data Science
- ¿Los doctores técnicos hacen buenos científicos de datos?
PD: En mi experiencia limitada, los académicos son los mejores jefes para trabajar: los dos anteriores son ejemplos principales de esta hipótesis. 🙂