Como Data Scientist en ejercicio, ¿consideraría contratar a alguien que haya completado la especialización “Data Science” en Coursera en un puesto de Data Scientist de nivel básico?

Interesante pregunta. Creo que mi respuesta es no (y sí, tengo un trabajo que implica contratar científicos de datos).

Por “no” quiero decir “si todo lo que sabía sobre una persona es que había completado esta especialización de Coursera, ¿estaría dispuesto a llamarlos para una entrevista? No.”

Esto no es en absoluto un golpe contra Coursera o MOOC: creo en este tipo de trabajo de curso y he completado algunos cursos de Coursera yo mismo en mis horas libres.

Mi problema es este: la mayoría de las personas que contrato han sobrevivido a algún tipo de proceso competitivo de aventamiento. Se las arreglaron para ingresar en las universidades de élite y luego lograron graduarse y entrar en una escuela de posgrado competitiva, y obtuvieron algún título (MS o Ph.D.) O, alternativamente, no han seguido ese curso pero han Ya demostró su competencia a través del éxito en un entorno industrial, o mediante contribuciones sostenidas y repetidas en código abierto.

El otro problema relacionado es que los cursos de Coursera son esencialmente aprobados / reprobados. Por lo tanto, es muy probable que esta persona no haya hecho nada en absoluto, excepto aprobar estos cursos en línea.

Ahora, ¿sería un * plus * si un candidato hubiera completado esta especialización? Absolutamente. Demuestra interés y experiencia en la materia.

Para hacer esto más nítido, imaginemos dos candidatos para un puesto de científico de datos, ninguno de los cuales tiene experiencia laboral:

1) Tiene un Ph.D. en matemáticas de Princeton, pero sin experiencia en programación, estadística o ciencia de datos.
2) Es un desertor de la universidad, pero completó la especialización de Data Science en Coursera.

¿Contrataría # 1 o # 2? No.

Pero si recibiera un currículum de alguien con ambos de los anteriores (Ph.D. de matemáticas de Princeton y completé la especialización de Coursera), entonces estaría muy interesado. (Si te pareces a este ejemplo, ¡ponte en contacto!)

La mayor ventaja que proporciona la especialización MOOC es la cartera de proyectos y tener una buena cartera ayuda para las entrevistas de ciencia de datos. Sin embargo, depende de si los proyectos son relevantes para el rol y si la complejidad alcanza cierto nivel. Mostrar el mismo proyecto genérico que miles de otros estudiantes han completado no impresiona mucho. Además, el contenido del curso para la mayoría de las especializaciones de MOOC está en el nivel de pregrado año 1 o año 2, lo que podría no ser lo suficientemente riguroso. Por lo tanto, es su trabajo guiar al entrevistador a través de su proceso de pensamiento, explicar cómo fue más allá de lo básico para sus proyectos y preferiblemente completarlo con otras experiencias como conocimiento de dominio, pasantías, trabajos de investigación, publicaciones técnicas en blogs, etc.

Tenga en cuenta que la mayoría de los roles de ‘científico de datos junior’ no son tan diferentes de los de un analista de negocios tradicional o un trabajo de tablero / guerrero SQL, y esa es una forma normal para que las personas adquieran experiencia y entren en la industria.

Definitivamente consideraría contratarlos, pero con una advertencia: un curso de Coursera, no importa cuán extenso y el repositorio de Github que te ayuda a crear, no te convierta en un científico de datos capacitado. Te hace un entusiasta, y si eres talentoso aún mejor, pero también puede darte el conocimiento suficiente para ser peligroso y demasiado enfocado en ser un buen técnico.

Si acepta la afirmación anterior y está dispuesto a aprender y trabajar duro, probablemente sea mejor empleado que el candidato promedio que puedo entrevistar.

Lo haría, ya que las clases de Johns Hopkins Coursera del año pasado esencialmente me dieron un trabajo de ciencia de datos.

Depende de la cantidad de solicitantes calificados y de lo que implica exactamente el trabajo de ciencia de datos (ya que hay tantos trabajos que se pueden llamar “científicos de datos”), pero pasar la especialización de DS es una buena señal de que tiene los fundamentos bajos. El problema es que los trabajos de ciencia de datos de nivel de entrada son pocos y distantes entre sí. La mayoría de los gerentes quieren a alguien con un título de posgrado más experiencia en codificación, preferiblemente obtenida como parte de un trabajo.

Absolutamente. Por qué no? 🙂

• La persona ha demostrado interés activo en el área.
• La persona ha demostrado la capacidad de aprender.
• La persona se ha tomado la molestia de invertir bastante tiempo.

Suena como una apuesta sólida para un Data Scientist de nivel de entrada.

Hice la especialización, pero no contrataría a alguien solo por eso . Ciertamente no hace daño comenzar, pero realmente necesita crear una cartera de proyectos independientes además de esa especialización. Yo diría que eso es cierto para cualquier clase de ciencia de datos en línea (o en persona). Aprender sobre ciencia de datos en un entorno de aula controlada no lo prepara adecuadamente para las realidades de tratar con datos del mundo real. Así que salga, recopile datos a través de una API, raspado web o lo que sea, y pruebe algún proyecto en algo que le interese. No tiene que ser original, solo algo más allá de lo que has hecho en los cursos.

Actualmente estoy siguiendo este curso, ¿por qué?

-Tengo un M.Sc. Licenciado en Geociencias (con experiencia en matemáticas)

-He pasado 5 años en investigación fundamental a nivel internacional (aborté el doctorado porque no pude encontrar una carrera académica …)

-He pasado 10 años en el negocio de datos de petróleo y gas (incluyendo limpieza y modelado de datos, análisis de negocios, innovación tecnológica, estrategia).

Con este perfil, no estoy considerando obtener otros títulos académicos ya que ya tengo uno. He entendido que no podría realizar el nivel que deseo sin profundizar mis conocimientos de ciencia de datos. Es por eso que decidí registrarme en la Especialización de datos de Coursera (terminé los cursos del 9/10 y comencé el proyecto final). Incluso hice una pausa para registrarme en Machine Learning de Andrew Ng, porque necesitaba saber qué matemáticas había detrás del paquete de caret. No puedo usar herramientas que no entiendo.

En resumen, acabo de tomar la iniciativa de darme las herramientas analíticas correctas para realizar análisis avanzados, ya que debe hacerse en 2017, nada más.

El aprendizaje automático y las estadísticas existen desde hace décadas y recientemente comenzaron a ser populares en los negocios. Entonces, para mí, lo más importante es cómo aplicar estas técnicas bien conocidas para hacer un negocio rentable. La perspicacia comercial es clave, y que yo sepa, esto no se adquiere gracias a un doctorado en Matemáticas (excepto si decidió hacer una asociación comercial para su tesis).

Personalmente, encuentro científicos de datos “puros” (los que tienen un doctorado en matemáticas) a veces arrogantes, viendo científicos de datos falsos en todas partes. Siempre hablan de los 50 algoritmos, núcleos, teoremas que cualquier científico de datos “reales” debe conocer. Simplemente se olvidan cada vez que el repentino y nuevo interés por su ciencia solo está relacionado con los resultados comerciales. ¿Quién dijo que un doctorado en matemáticas le dará la perspicacia comercial que necesita para ser un buen ROI? Seamos serios …

No soy un científico de datos de profesión, pero creo que puedo aportar una perspectiva nueva y útil a esta pregunta, en ese

1. Soy un reclutador ejecutivo cuya firma trabaja con compañías para identificar, evaluar, atraer y contratar científicos de datos con experiencia, y
2. Estoy en medio de la misma Especialización en Ciencia de Datos Ejecutivos de Coursera a la que hace referencia mientras escribo esto, después de haber completado los primeros 2 módulos.

Antes de continuar, creo que es importante reconocer que su pregunta es específica para los científicos de datos de nivel de entrada; Esta es una advertencia importante, ya que la implicación es que no se buscaría experiencia laboral real.

Entonces, ¿presentaría un candidato para un puesto de científico de datos de nivel de entrada en un cliente que lo busca?

En el vacío, por sí solo, no. Los cursos en sí mismos, aunque informativos, son capacitación insuficiente para el practicante profesional diario de los científicos de datos; son más una guía para gerentes experimentados que pueden liderar equipos de ciencia de datos sin estar realmente practicando los científicos de datos.

Pero, ¿qué pasa si la persona en cuestión tiene algún tipo de educación formal en ciencias cuantitativas o duras?

Bueno, en este caso, es un tal vez. Depende de la persona, depende de las credenciales académicas formales exactas que tengan. MBA? Tal vez. ¿Esa persona tiene una licenciatura en matemáticas? Más como. ¿Qué tal alguna experiencia con R, Python, SAS, Matlab, algún otro lenguaje de programación relevante o paquete estadístico? Ahora estás cocinando con gas.

Sin embargo, una vez más, por sí solo, no es un atajo para ser un científico de datos calificado, incluso en el nivel de entrada. Como reclutador, cuando complete el curso, simplemente seré un reclutador con un mejor conocimiento de trabajo; Sin embargo, nadie me va a contratar como científico de datos para su equipo.

He hecho la especialización y no contrataría a nadie solo por eso. Me parecería bueno que lo tuvieran y considerando la cantidad de personas que se quejan de que es difícil, considero que es un logro interesante.

Para mí, lo importante al contratar es siempre la tarea de prueba. Me interesaría especialmente ver cómo alguien que había terminado la especialización respondería algunas de las cosas que puse en las tareas de prueba.

Al final lo que importa es si puedes entregar o no. Puede tener un doctorado y cientos de MOOC. Si completa la tarea de prueba, lo consideraré. Si no lo haces no lo haré.

Aquí hay otra pregunta:

Digamos que el candidato tiene una licenciatura de una universidad tradicional en un campo de estudio general relacionado (como Administración de Empresas) y luego tomó el curso Coursera además de eso? ¿Esta combinación de educación tradicional más educación del siglo XXI le daría al candidato un impulso de contratación?

Si el candidato puede aplicar algo de lo que aprendió en el curso a problemas del mundo real, como los de Kaggle.

Sí, lo haría, siempre que 1) pasaron la prueba de detección cuando les pregunté sobre algunos de los conceptos fundamentales, y 2) parecían tener habilidades sólidas de codificación.

Las habilidades de codificación son poco apreciadas cuando se trata de contratar científicos de datos de nivel de entrada. Un buen programador que no conoce matemáticas puede ser útil mientras se acelera. Un buen matemático que no puede codificar es (peor que?) Inútil. Es el equivalente a tener un abogado analfabeto; La codificación no es el foco del trabajo, pero es una habilidad necesaria para cada parte de ella.

¡¡¡¡Si si si!!!!

Los científicos de datos experimentados son arrogantes. Antes de convertirme en Data Scientist, era verde, ignorante, tenía experiencia. Sin embargo, algún gerente me dio una oportunidad. Entonces, haré lo mismo. Lo que hay que mirar es: “Debería darle una oportunidad”. Estaba en su posición antes. Me dieron una oportunidad, ahora hago lo mismo con los ingenieros jóvenes “.

Antes de convertirnos en alguien, somos ignorantes. Todos buscamos la oportunidad de convertirnos en alguien, algo; Si tiene la oportunidad de ayudarlo, ¿por qué no hacerlo?

Detesto esta pregunta en muchos niveles. Muestra que un Data Scientist en ejercicio no es más que una persona egoísta y arrogante.

He tomado 3 cursos de corsera: modelado de regresión en la práctica y los dos primeros cursos de la especialización Python para todos. No contrataría a alguien en base a la finalización de los cursos.

Estos cursos son buenos y proporcionan una introducción a las técnicas de ciencia de datos, pero no requieren suficiente esfuerzo para desarrollar el dominio. Básicamente requieren de 1 a 2 horas de esfuerzo por semana, incluido el tiempo para ver las conferencias en video. Le enseñarán cuáles son las técnicas de ciencia de datos, pero no cómo implementarlas con confianza.

No hay comparación con el nivel de esfuerzo que se necesita para aprobar un curso y el nivel de esfuerzo que se requiere para aprobar un curso de pregrado en matemáticas o ciencias de la computación. No hay comparación entre el nivel de esfuerzo que se necesita para aprobar estos cursos y el nivel que se necesita para dominar un lenguaje de programación.

Para un puesto de ciencias de datos de nivel básico, esperaría un título universitario en un campo cuantitativo y evidencia de 1000-2000 horas de experiencia en programación. Ese tipo de experiencia simplemente no se puede comparar con las 100 horas que se necesitan para obtener una especialización de curso.

Este es un problema con muchos de los programas de estilo propio, MOOC y “boot camp” … las empresas son reacias a contratarlos, incluso en un puesto de nivel de entrada. No estoy seguro de que el “negocio” se haya ajustado a este nuevo mundo valiente.

Si. Aquí se enseñan buenos fundamentos.

Creo que el rol de Data Scientist de nivel básico requiere mucho más que solo el curso Coursera. Probablemente pueda contratar a la persona como ingeniero de minería de datos y pedirle que trabaje con un científico de datos durante algún tiempo.

Siento que los cursos de Udacity se ven mejor que los de Coursera esta vez …

Aún así, la tendencia de la industria es para trabajos de Data Scientist, necesitará tener al menos un título de maestría y si ha realizado algunos de estos cursos, entonces es posible