Eso más bien depende de dónde empiezas. Y yendo a.
El problema es que las universidades no reconocen DataScience como una carrera. Entonces, la mayoría de las personas comienzan como matemáticos, estadísticos o informáticos. Ahora hay cursos de diez semanas para convertir a los académicos de estas disciplinas en científicos de datos y aumentar significativamente los salarios acumulables.
Las personas que ya trabajan obtienen información de inteligencia empresarial o de programación, ya sea uno de los lenguajes clave, como Python, o de bases de datos o sistemas complejos, como ERP, M2M o centros de datos.
- ¿Puede un postgrado de MBA (marketing) y licenciatura de un instituto principal aprender a convertirse en un científico de datos?
- ¿Cuál es la mejor manera de comenzar una carrera de IA / ML sin estudiarla en la universidad?
- ¿Cuáles son algunos buenos libros introductorios sobre ciencia de datos para científicos sociales?
- ¿Cuál es la diferencia entre un analista cuantitativo y un analista / científico de datos?
- ¿Hay trabajos separados disponibles para analistas de datos o una empresa contrata científicos de datos para el mismo rol?
Todos estos pueden tener una ruta de migración, a menudo ayudada por proveedores de software clave (Mongo, Hadoop, Wolfram, etc. ejecutan una excelente capacitación). Pero a menudo enseñan solo la parte práctica de ser un DataScientist y usted es un especialista en, por ejemplo, bases de datos, en lugar de los principios subyacentes de estadística, aprendizaje automático o algoritmos matemáticos.
El aprendizaje automático y el aprendizaje profundo son los pináculos. Al igual que el ajedrez 4d, estos están creando modelos que cambian con el tiempo. Eso generalmente lleva un poco más de tiempo. 6-12 meses pueden darle la teoría, pero no la experiencia para hacer que tales proyectos funcionen de manera confiable.
Su problema es uno que nos proponemos responder en DataScience Oxford. Con académicos involucrados en proyectos como Deepmind de Google, Oxford está en el pináculo de DataScience y Thinktank para Europa y gran parte del mundo. Las nuevas empresas de datos de San Francisco ya están encontrando mejores DataScientists por salarios más asequibles aquí que en California (por ejemplo, DataSift, Zynga).
Sé de 100 vacantes en este momento y proyectamos que habrá mil en los próximos cinco años, ya que DataScience respalda a cada organización. Es por eso que hemos establecido Oxford DataSpace para mejorar y transferir las habilidades de las personas en el área y traer excelentes científicos de datos y científicos de datos nacientes de fuera del área, proporcionándoles un espacio elegante y un grupo de pares fuerte y diverso, respaldado con poderosos capacitación para desarrollar habilidades, para que puedan satisfacer nuestras necesidades futuras.