No sé si es un curso, pero me vienen a la mente varias habilidades necesarias (este es un extracto de una publicación de blog que escribí hace un tiempo). Puede completarlos con cursos y recursos individuales (algunos de ellos enumerados).
Divulgación completa: trabajo para Springboard. Recientemente lanzamos el primer campo de entrenamiento en línea con mentores para garantizarle un trabajo de ciencia de datos o le devolvemos su dinero: el Data Science Career Track. Tal vez esa sea la mejor opción para ti.
Habilidades de ciencia de datos
- ¿Es el campamento de entrenamiento de Zipfian Academy / Galvanize Data Science un campamento de alta calidad?
- ¿Cuáles son los marcadores de los equipos de ciencia de datos altamente efectivos?
- ¿Dónde podemos encontrar científicos de datos en India?
- ¿Puede convertirse en un científico / analista de datos de clase mundial sin tener un conocimiento experto de dominio?
- ¿Cuáles son las oportunidades de carrera para una ciencia de datos más fresca en India?
La mayoría de los científicos de datos utilizan una combinación de habilidades todos los días, algunas de las cuales se han enseñado en el trabajo o no. También provienen de diversos orígenes. No hay ninguna credencial académica específica que los científicos de datos tengan que tener.
Todas las habilidades discutidas en esta sección pueden ser autoaprendidas. Hemos presentado algunos recursos para ayudarlo a comenzar ese camino. Considérelo una guía sobre cómo convertirse en un científico de datos.
Una mente analítica
Cómo convertirse en un científico de datos con una mente analítica
Necesitará una mentalidad analítica para que le vaya bien en la ciencia de datos. Gran parte de la ciencia de datos implica resolver problemas con una mente aguda y aguda.
Recursos
Mantenga su mente aguda con libros y rompecabezas. Un sitio como Lumosity puede ayudarlo a asegurarse de que sea cognitivamente inteligente en todo momento.
Matemáticas
Cómo convertirse en un científico de datos con matemáticas
Las matemáticas son una parte importante de la ciencia de datos. Asegúrese de conocer los conceptos básicos de matemáticas universitarias, desde cálculo hasta álgebra lineal. Cuantas más matemáticas conozcas, mejor.
Cuando los datos se hacen grandes, a menudo se vuelven difíciles de manejar. Tendrá que usar las matemáticas para procesar y estructurar los datos con los que está tratando.
No podrás dejar de conocer el cálculo y el álgebra lineal si te perdiste esos temas en la universidad. Necesitará comprender cómo manipular matrices de datos y tener una idea general detrás de las matemáticas de los algoritmos.
Recursos
Esta lista de 15 cursos MOOC de Matemáticas puede ayudarlo a ponerse al día con las habilidades matemáticas. El MIT también ofrece un curso abierto específicamente sobre las matemáticas de la ciencia de datos.
Estadística
Cómo convertirse en un científico de datos con estadísticas
Debe conocer las estadísticas para inferir ideas de conjuntos de datos más pequeños en poblaciones más grandes. Esta es la ley fundamental de la ciencia de datos. Las estadísticas allanarán su camino sobre cómo convertirse en un científico de datos.
Necesitas conocer estadísticas para jugar con datos. Las estadísticas le permiten comprender mejor los patrones observados en los datos y extraer la información que necesita para sacar conclusiones razonables. Por ejemplo, comprender las estadísticas inferenciales lo ayudará a sacar conclusiones generales sobre todos en una población de una muestra más pequeña.
Para comprender la ciencia de datos, debe conocer los conceptos básicos de las pruebas de hipótesis y diseñar experimentos para comprender el significado y el contexto de sus datos.
Recursos
Nuestro blog publicó un manual sobre cómo el Teorema de Bayes, la probabilidad y las estadísticas se cruzan entre sí. La publicación constituye una buena base para comprender la base estadística de cómo convertirse en un científico de datos.
Algoritmos
Cómo convertirse en un científico de datos con algoritmos
Los algoritmos son la capacidad de hacer que las computadoras sigan un cierto conjunto de reglas o patrones. Comprender cómo usar máquinas para hacer su trabajo es esencial para procesar y analizar conjuntos de datos demasiado grandes para que la mente humana los procese.
Para que pueda hacer un trabajo pesado en la ciencia de datos, tendrá que comprender la teoría detrás de la selección y optimización de algoritmos. Tendrá que decidir si su problema requiere o no un análisis de regresión o un algoritmo que ayude a clasificar diferentes puntos de datos en categorías definidas.
Querrás conocer muchos algoritmos diferentes. También querrás aprender los fundamentos del aprendizaje automático. El aprendizaje automático es lo que le permite a Amazon recomendarle productos basados en su historial de compras sin ninguna intervención humana directa. Es un conjunto de algoritmos que utilizarán la potencia de la máquina para descubrir ideas para usted.
Para lidiar con conjuntos de datos masivos, necesitará usar máquinas para ampliar su pensamiento.
Recursos
Esta guía de KDNuggets ayuda a explicar diez algoritmos comunes de ciencia de datos en inglés simple. Aquí hay 19 conjuntos de datos públicos gratuitos para que pueda practicar la implementación de diferentes algoritmos en los datos.
Visualización de datos
Cómo convertirse en un científico de datos con visualización de datos
Terminar su análisis de datos es solo la mitad de la batalla. Para generar impacto, tendrá que convencer a los demás para que crean y adopten sus ideas. Así es como te conviertes en un científico de datos.
Los seres humanos son criaturas visuales. Según 3M y Zabisco, casi el 90% de la información transmitida a su cerebro es de naturaleza visual, y las imágenes se procesan 60,000 veces más rápido que el texto .
La visualización de datos es el arte de presentar información a través de gráficos y otras herramientas visuales, para que el público pueda interpretar fácilmente los datos y obtener información de ellos. ¿Qué información se presenta mejor en un gráfico de barras y qué tipos de datos deberíamos presentar en un diagrama de dispersión?
Los seres humanos están conectados para responder a las señales visuales. Cuanto mejor pueda presentar sus conocimientos de datos, más probable es que alguien tome medidas basadas en ellos.
Recursos
Tenemos una lista de 31 herramientas gratuitas de visualización de datos con las que puede jugar. El blog FlowingData de Nathan Yau está lleno de consejos y trucos de visualización de datos que lo llevarán al siguiente nivel.
Conocimiento del negocio
Cómo convertirse en un científico de datos con conocimiento empresarial
Los datos significan poco sin su contexto. Tienes que entender el negocio que estás analizando. La claridad es la pieza central de cómo convertirse en un científico de datos.
La mayoría de las empresas dependen de sus científicos de datos no solo para extraer conjuntos de datos, sino también para comunicar sus resultados a varios interesados y presentar recomendaciones sobre las que se pueda actuar.
Los mejores científicos de datos no solo tienen la capacidad de trabajar con conjuntos de datos grandes y complejos, sino que también entienden las complejidades de la empresa u organización para la que trabajan .
Tener un conocimiento general del negocio les permite hacer las preguntas correctas y encontrar soluciones y recomendaciones perspicaces que sean realmente factibles dadas las restricciones que el negocio pueda imponer.
Recursos
Esta lista de cursos de negocios gratuitos puede ayudarlo a obtener el conocimiento que necesita. Nuestro curso de Data Analytics for Business puede ayudarlo a mejorar esta dimensión con un mentor.
Experiencia en el campo
Cómo convertirse en un científico de datos con experiencia en dominios
Como científico de datos, debe conocer el negocio para el que trabaja y la industria en la que vive.
Además de tener un conocimiento profundo de la empresa para la que trabaja, también tendrá que comprender el campo en el que funciona para que sus ideas comerciales tengan sentido. Los datos de un estudio de biología pueden tener un contexto drásticamente diferente que los datos obtenidos de un estudio de psicología bien diseñado. Debe saber lo suficiente como para cortar la jerga de la industria.
Recursos
Esto dependerá en gran medida de la industria. ¡Tendrá que encontrar su propio camino y aprender lo más posible sobre su industria!