¿Por qué debería ser un científico de datos, si soy un ingeniero eléctrico?

Primero, debes trabajar en lo que más te gusta hacer. Recordemos el viejo dicho irlandés: “Un hombre que ama su trabajo nunca trabaja un día en su vida”.

El conocimiento de las estadísticas, y la capacidad de programar, puede ser muy valioso para un EE, dependiendo de su especialización.

1. Diseño de circuitos: los transistores y otros componentes (dispositivos) no tienen valores paramétricos fijos. Debido a la naturaleza del proceso de fabricación, se observa que los dispositivos tienen una distribución de valores. Sus circuitos deben funcionar en toda la gama de estas distribuciones.
2. Fabricación relacionada: toda la fabricación tiene variaciones, que deben medirse y controlarse (en la medida de lo posible). Aquí los conceptos de control de calidad (QC) son útiles: control estadístico de procesos (SPC), calidad de salida promedio, etc. El diseño de experimentos (DOE) se utiliza para mejorar el proceso de fabricación.
3. Fabricación de semiconductores: un subconjunto del n. ° 2, pero aquí cualquier trabajo en una planta de fabricación requiere el conocimiento y la aplicación de estadísticas. Los datos se recopilan y analizan de forma continua. Además de QC y DOE, la regresión se usa ampliamente. Las técnicas de minería de datos (árboles C4.5, árboles potenciados, bosque aleatorio) también se aplican aquí para encontrar la causa de los problemas de fabricación. Por desgracia, la mayoría de los EE no tienen este conocimiento, por lo que tienen que aprenderlo en el trabajo. Sin embargo, si un candidato de trabajo tuviera estas habilidades, sería un gran factor adicional en la contratación de esa persona. La capacidad de programar (cualquier idioma) también es un factor positivo, ya que a menudo los datos deben limpiarse y reorganizarse antes del análisis, y es necesario realizar muchos análisis (piense en 1000 gráficos).
4. Telecomunicaciones: los canales reales tienen ruido. Donde hay ruido, hay estadísticas.

EE es un campo amplio, por lo que no puedo decirle la aplicación de estadísticas a cada uno. Sin embargo, puedo decirle con confianza que el conocimiento de las estadísticas y la práctica de aplicar ese conocimiento serán útiles para todas las especialidades.

Ahora, si desea ingresar a la ciencia de datos, sus antecedentes de EE serán útiles al menos de la siguiente manera:

1. EE es todo matemática. Entonces eres bueno en matemáticas y resolución de problemas. Tiene la preparación adecuada para la nueva matemática de estadísticas y minería de datos que aprenderá.
2. Espero que le gusten las computadoras y que haya hecho alguna programación de una. Esta es una habilidad esencial para la minería de datos.
3. Tiene un título en un área de aplicación, en este caso, EE. Esto te ayudará a conseguir un trabajo en esa área. Contrariamente a algunas de las exageraciones y promesas de la minería de datos, el conocimiento del dominio es esencial para la resolución de problemas. Necesita comprender los datos que está analizando. No existe un algoritmo universal de resolución de problemas.

Finalmente, y volviendo al punto original, obtenga el trabajo que le encanta hacer. Si eso es EE, ve con EE (pero aprende algunas estadísticas). Si se trata de minería y análisis de datos, vaya allí. Un trabajo que estás haciendo solo por un gran sueldo solo te traerá dolor e infelicidad. Usted gasta mucho tiempo en el trabajo; asegúrese de dedicarle tiempo a hacer algo que disfrute.

Bueno, la razón por la que sería un científico de datos es que prefiere la “ciencia de datos” * sobre la ingeniería eléctrica. Si eres lo suficientemente hábil y puedes comunicarlo, el pago será similar. Los ingenieros eléctricos pueden trabajar en una variedad de campos que requieren experiencia en programación y matemáticas.

No me gusta hablar de “big data”, porque ese término rara vez es útil, pero lo principal que aprende como ingeniero eléctrico que se traduce en ciencia de datos es la forma en que piensa los problemas. Utilizará algunos de los mismos algoritmos, pero los principales traspasos son su capacidad para resolver problemas algorítmicamente, comprender a fondo los conceptos de aprendizaje automático y comprender los fundamentos de la informática.

* La respuesta de Steve Carnagua a ¿Cómo definirías la ciencia de datos y los científicos de datos y los distinguirías de los términos relacionados más antiguos?

Hay poca o ninguna relación entre la ciencia de datos y la ingeniería eléctrica. En cuanto a por qué debería ser un científico de datos en lugar de un ingeniero eléctrico, no debería hacerlo a menos que tenga dificultades para encontrar un trabajo como ingeniero eléctrico. Son muy diferentes y el conjunto de habilidades de uno no se traducirá en el otro. En cuanto a una carrera profesional, la ciencia de datos está muy de moda en este momento y debería poder encontrar un trabajo / carrera en ella si aprende las habilidades correctas. ¡Los mejores deseos!