Tradicionalmente, con mayor frecuencia verá trabajos de Ciencia de datos en busca de antecedentes en campos como Estadística, Física, Ciencias de la computación, Matemáticas y Econ.
Sin embargo, de ninguna manera es esto totalmente representativo de la comunidad de Data Science, ni es un requisito para ser contratado como uno en la industria .
Después de haber sido el Asesor de Carrera en Metis en SF durante los últimos 2 años, he trabajado con graduados que van desde aquellos con maestrías o doctorados de alto nivel en los campos mencionados anteriormente, pero sinceramente, son minoría.
- ¿Debo ser un consultor de gestión o un científico de datos?
- Crecí en Indiana y actualmente vivo en Indianápolis. Planeo trabajar en análisis de datos / estadísticas / econometría después de terminar mi maestría. ¿Cómo es mudarse del Medio Oeste a Silicon Valley?
- ¿Qué hacen los científicos de datos en Asana?
- Cómo construir una cartera de ciencia de datos sin experiencia laboral
- ¿Cuál es el trabajo duro de la ciencia de datos?
Emocionantemente, puedo decir que también hemos colocado a personas en roles de Ciencia de Datos que tenían diversos antecedentes educativos, como Grados Asociados en Fotografía, Licenciatura en Filosofía e incluso deserciones universitarias sin ningún título (de hecho, nuestra primera colocación para Metis en SF tenía 20 años sin licenciatura).
Por lo tanto, si bien la educación es ciertamente importante, los conjuntos de habilidades necesarios para hacer ciencia de datos son accesibles para cualquier persona con suficiente familiaridad en los temas correctos con autoaprendizaje (independientemente de sus antecedentes educativos).
Hay una serie de factores para determinar dónde se encuentra y dónde comenzar.
Aquí es donde comenzar
- Si es completamente nuevo en programación y / o tiene poca experiencia cuantitativa (en matemáticas, estadísticas, etc.), vale la pena evaluar su conjunto de habilidades en comparación con lo que normalmente buscan las empresas.
- Tenemos una plataforma gratuita llamada Metis Admissions Prep donde puede ver las habilidades que encontramos necesarias para aprender Data Science. Esto no solo le mostrará las habilidades necesarias para la ciencia de datos, sino que también le proporcionará recursos útiles a los que le dirigimos para desarrollar esas habilidades.
Otras cosas a considerar
- Determine cuánto tiempo tiene para comprometerse a aprender y hacer esta transición
- No hay una respuesta correcta aquí. Esta es una decisión personal. En Metis, ofrecemos un programa de tiempo completo de 12 semanas para personas que buscan establecer sus carreras o pasar a otras nuevas. Esto funciona para muchas personas. Para otros no es un ajuste. Es importante saber qué plazos y metodologías de aprendizaje funcionan mejor para usted.
- Otras formas incluyen seguir un programa de maestría (a menudo toma un año o más) y, dependiendo de dónde estén sus habilidades, la búsqueda del autoaprendizaje podría durar desde unos pocos meses hasta varios años, dependiendo de dónde comience y cuánto tiempo tenga para aprender.
Recuerde: aprender a hacer ciencia de datos es solo el paso 1 de conseguir un trabajo en ciencia de datos
- Esto es algo que está al frente y al centro con los estudiantes con los que trabajo. Incluso si es experto en ciencia de datos, conseguir un trabajo es un proceso y un conjunto de habilidades completamente diferentes para dominar. Algunas personas sobresalen naturalmente y tienen excelentes redes para aprovechar, otras necesitan aprender las mejores prácticas y obtener acceso a una red existente que pueda ayudarlas.
- No importa en qué dirección vaya para aprender Data Science, es bueno presupuestar y anticipar que pasará hasta 6 meses adicionales para buscar trabajo y entrevistarse con éxito.
- En Metis tenemos una red de antiguos alumnos de más de 500 estudiantes, la mayoría de los cuales son científicos de datos en la industria. Nuestra bolsa de trabajo en Slack es muy activa, y hemos tenido muchos casos de ex alumnos que contratan a otros ex alumnos, y muchos otros que han sido contratados por compañías que el personal de Metis presenta a nuestros estudiantes.
No hay una bala de plata en términos de aprendizaje de Data Analytics y / o Data Science (y también hay distinciones importantes allí).
Pero si tuviera que resumir mi consejo en 3 partes, sería este:
- Encuentre problemas interesantes que le gustaría resolver primero . Las metodologías necesarias para aprender le resultarán mucho más fáciles cuando tenga una base sólida para lo que está tratando de lograr.
- Encuentra mentores para aprender. Esta podría ser una comunidad en línea que cultives, pero creo que los mentores / instructores / colegas en persona hacen la mayor diferencia.
- Aprovecha una comunidad para ayudarte a conseguir entrevistas. A menos que esté muy bien conectado, sea un entrevistador experimentado y alguien con una idea de cómo abordar los problemas comerciales, lleva tiempo aprender esto y construir su propia comunidad de personas que pueden ayudarlo.
Si está interesado en escuchar a nuestros alumnos que completaron nuestro programa, puede leer sus comentarios en el Informe del curso y Cambiar
Espero que esto sea útil. Si está interesado en conectarse más conmigo, estoy feliz de conectarme en LinkedIn o Twitter y discutir más sobre las circunstancias individuales de las personas.