¿Qué especialidad debería elegir si quiero ser un científico de datos?

En general, diría que las dos mejores carreras son

• Estadísticas : enfoque de aplicación y análisis de datos
• Informática : enfoque de aprendizaje automático

Otras buenas especialidades que lo colocan en la mentalidad correcta para resolver problemas Y tienen problemas de investigación que pueden prepararlo bien para la ciencia de datos son

• Física / Astrofísica : enfoque de datos y computación

• Cualquier ciencia social : análisis de datos muy pesado + enfoque cuantitativo
• Matemática aplicada : enfoque de cálculo pesado, tomando cursos de estadística en el lado

Otras especialidades que lo colocan en la mentalidad correcta y atraen al tipo de personas de ciencia de datos son:

• Matemáticas
• Cualquier otro campo STEM cuantitativo

Básicamente, cualquier cosa que implique comprender grandes cantidades de datos utilizando análisis de datos, inferencia estadística y programación .

Dentro de cada una de esas especializaciones, debe seguir una pista / carga de curso que tenga un enfoque conjunto de datos + programación.

Mi consejo general es encontrar las clases que desea tomar y luego encontrar la especialidad que mejor se adapte a esas clases. La especialidad que mejor se adapte variará según la escuela. Para clases específicas, recomendaría mi respuesta a ¿Qué clases debo tomar si quiero ser un científico de datos?

En general, aquí hay algunas habilidades útiles y algunos campos que lo ayudarían a desarrollar esas habilidades

• Modelado : estadísticas, aprendizaje automático
• Experimentos – Estadísticas
• Codificación – Informática
• Resolución cuantitativa de problemas : matemáticas, física, matemáticas aplicadas
• Manejo de grandes conjuntos de datos : física experimental, astronomía, bioinformática, etc.
• Uso de datos para comprender a las personas : ciencias sociales (con una fuerte inclinación matemática / computacional), incluidas economía, psicología, ciencias políticas, etc.

Yo diría estadísticas. Mucha gente dice que CS es la mejor ruta, personalmente no estoy de acuerdo. En la ciencia de datos, la mayor parte está “procesando” los datos y usándolos para tomar decisiones. El análisis y modelado hardcore (que es la esencia de la ciencia de datos) en realidad solo se enseña en las clases de matemáticas y la estadística es el mejor curso para eso. La razón por la que mucha gente dice CS es porque en Data Science se realiza una gran cantidad de programación (especialmente en lenguajes como R y SQL), pero la codificación realmente no es la parte difícil y no es por lo que se paga a los científicos de datos. La programación es simplemente una herramienta que los científicos de datos utilizan para analizar los datos que se les proporcionan. Mi mejor consejo es obtener una licenciatura en Estadística y luego trabajar tal vez un año o dos como Programador Estadístico, Analista de Datos o Científico de Datos Jr. antes de obtener su maestría en Estadística o Ciencia de Datos (si la escuela vas a ofrece un título en ciencias de datos)

Cualquier combinación de:

• informática (ingeniería de software, bases de datos, algoritmos, IA / aprendizaje automático)
• estadísticas (enfoques descriptivos e inferenciales, muestreo y probabilidad, análisis y modelado de datos)
• física (mecánica estadística, sistemas dinámicos y complejos)
• sociología / psicología social / comportamiento organizacional (teoría social, métodos observacionales y experimentales, redes sociales y estructura)
• lingüística computacional (PNL y procesamiento de datos no estructurados, expresiones regulares, etiquetado POS)

El punto es completar tus estructuras de conocimiento. Si te estás especializando en CS, querrás mejorar tus habilidades en Estadística, y viceversa.
Además, no podemos enfatizar lo suficiente la importancia del conocimiento del dominio para que las preguntas planteadas, el análisis realizado y las soluciones generadas tengan sentido en el mundo real.

Yo abogaría por las matemáticas con una especialización en ciencias de la computación y algunos cursos en un campo que le interese (biología, negocios …). La base matemática le dará lo suficiente para leer el aprendizaje automático y los documentos de métodos estadísticos, que serán necesariamente en su carrera. También le dará una idea suficiente de cómo funcionan los algoritmos / pruebas estadísticas para elegir correctamente el correcto para un problema determinado y luego interpretar correctamente los resultados.

Si quieres convertirte en PNL / Text Data Scientist, estas son las maestrías o licenciaturas que deseas estudiar.

Ingeniería Computacional – Combinación de Matemáticas e Informática.

Informática: codificación, computación de alto rendimiento y computación avanzada.

Lingüística computacional – PNL, recuperación de información y lingüística.

Estadísticas: estadísticas, análisis de datos y probabilidad.

A las otras buenas respuestas, agregaría que desea un menor en alguna ciencia cuantitativa que le interese.

Esto se debe a que parte de ser un buen científico de datos es aprender a convertirse en un experto en dominios . Solo sé que el fin matemático de las cosas hace que tengas una falta de apreciación de cómo se comportan los datos reales extraños e inesperados .

Serás un mejor científico de datos si tienes una buena actitud para ensuciarte las manos con datos reales.

Quieres convertirte en un científico de datos. El papel esperado es experto en negocios y competencia cuantitativa. Puede ver las ofertas de trabajo y observar la educación y las habilidades requeridas. Los trabajos más exigentes requerirán una educación superior y más conocimientos de programación y software. Las compañías más avanzadas requerirán más que el grado y la señal del conjunto de habilidades. Esperarán una composición de equipo superior y una contribución a los resultados de la compañía. Cada función y cobertura variará según la empresa y su capacidad analítica actual.

Debes posicionar tu educación en consecuencia. Puede cubrir las expectativas con una maestría en ciencias de la computación, estadística o matemáticas aplicadas. Aún necesita cumplir con los conjuntos de habilidades y competencias de software para títulos específicos. Los próximos grados en ciencias de datos, análisis o análisis de negocios incluirán esta composición. Lo capacitarán para el análisis estadístico y la programación, y lo aplicarán a los casos de negocios. No lo capacitarán para obtener una experiencia profunda en las disciplinas principales.

Debe abordar su educación como una decisión profesional. Cuanto mejor se prepare ahora, en las etapas iniciales, más fácil será su desarrollo. Desea realizar una inversión considerable en educación y los requisitos y experiencia laborales esperados ahora. Luego puede desarrollarlo con el tiempo de acuerdo con el trabajo específico y su papel en la empresa.

Nunca he visto una especialización en ciencias de datos, pero hay algunas pistas que puedes tomar en la escuela a la que fui. Uno: informática. Obtendrá todo lo que necesita saber sobre desarrollo, estructuras de datos, patrones, sistemas operativos, seguridad, etc. Sistemas de información de gestión, algo así como cs, pero con una sensación más de escuela de negocios. Luego, las ciencias de la biblioteca, un campo muy valioso, a menudo pasado por alto. Muy útil en grandes negocios, legal, financiero y gubernamental. Cualquier lugar con registros que necesiten acceso rápido. No es solo para bibliotecas.

A menudo he pensado que la especialidad en ciencias de datos perfecta sería una ciencia social cuantitativa con un CS y una estadística menor.

Lo importante es que practiques con los datos para pensar en decisiones reales. Tener una idea de lo que hace un buen argumento o decisión es tan importante como poder estimar un parámetro.

Estadística, Matemáticas, Informática o cualquier otra materia que pruebe sus habilidades analíticas.

Para obtener detalles detallados, puede consultar los requisitos previos de SAS, uno de los cursos de ciencia de datos más populares de la India.

Especialidad: Informática / Aprendizaje automático
Menor: Estadística (disciplina académica).

Un título en Matemáticas / Estadística / Aprendizaje automático con dominio en R / SAS / Spark haría que su oportunidad de empleo sea más brillante.

Estadística más psicología. Y elija un lenguaje como SQL o R en el camino. Necesita las estadísticas y las computadoras para saber cómo hacer el trabajo y la psicología para saber qué buscar.

Matemática computacional: echa un vistazo al equipo de Ayasdi.

informática, estadística, física, matemática. También podría ser deseable tener un grado de dominio relevante.