¿Quién puede convertirse en analista de datos o científico de datos?

A quien le preguntas Bueno, hablando como alguien que tenía varias profesiones después de graduarse de la universidad (Licenciatura – Matemáticas / Química) en:

• Instructor de planetario
• Gerente del Servicio de Alimentos
• Construcción vial
• Camarero / servidor
• Instalador de pisos
• Mecánico de automóviles (sin transmisión)
• Embajador de marca / Eventos
• Profesor de matemáticas / ciencias de secundaria
• Analista de hipotecas
• Analista financiero

Pero eso es lo que soy. El que puede ser cualquiera. El que debe aprender el qué .

El que :

• Lenguajes de programación como SQL, Python y R.
• Moverse y cambiar los tipos de datos entre archivos planos Documentos de Excel, Unicode, objetos JSON y similares.
• Comprensión de las estructuras de datos y algoritmos para mover esos datos
• Por último, según el hecho de que desee dirigirse hacia Data Science o hacia ella, debe poder realizar estadísticas y aplicar visualizaciones de datos.

Para explorar Data Science, comience aquí: Data Science

No hay nada especialmente místico sobre el análisis de datos o la ciencia de datos. Como, como con cualquier cosa, cualquiera puede aprenderlo si las condiciones son las correctas.

Hay algunas consideraciones para aprender algo:

1. Hay que tener tiempo para estudiar
2. Uno tiene que tener el dinero para los materiales de estudio o de alguna manera deben estar disponibles
3. Uno debe tener la inclinación y la capacidad de hacer el área de estudio.
4. Uno necesita tener un buen (o varios buenos) maestros, o tener la habilidad fuerte y rara de enseñarse bien, así como la disciplina para hacerlo.

Y eso es todo (escribe un comentario si crees que debería agregarlo a esta lista).

Por supuesto, aprender en el paso 4 es mejor dejarlo en el sistema escolar apropiado. Incluso si usted mismo aprendió, por algún milagro, cómo practicar la medicina correctamente, nadie le otorgaría una licencia para hacerlo.

Aprender ciencia de datos es mucho más fácil que aprender a practicar medicina, pero eso no significa que sea fácil. Muchas personas no tienen la disciplina, la inclinación, la habilidad o perciben que tienen la habilidad, o cualquier combinación de las mismas. Para ser un “científico de datos real” (que es realmente un término general para muchas cosas diferentes), la mayoría de las personas no podían hacerlo por su cuenta. Solo unos pocos más (relativamente hablando) podrían hacerlo por un MOOC. Más podría hacerlo con un estudiante universitario … si pudieran hacerlo. La escuela de posgrado es más difícil que la de pregrado, pero si puede hacer una escuela de posgrado en un área que lo prepare para un papel de ciencias de datos (matemáticas, estadísticas, CS, física, la mayoría de las disciplinas de ingeniería, muchas otras ciencias, economía, más ciencias sociales, etc. ) sería más fácil hacer el trabajo de “ciencia de datos reales”.

Y cuanto más trabaje con datos e investigación, mejor será un científico de datos. Es por eso que los doctorados en física aplicada hacen tan buenos datos científicos en general. Alguien que se haya enseñado a sí mismo a trabajar con datos e investigar seriamente, con todo el aprendizaje requerido de las áreas de fondo apropiadas, lo haría igual de bien. A esa persona le resultaría más difícil estudiar todas las cosas que necesita saber (en comparación con el físico), y también (en situaciones típicas) un momento más difícil para encontrar un trabajo como científico de datos.

El análisis de datos de aprendizaje es una tendencia al alza en el mundo de hoy. Para aquellos que estén interesados ​​o recién comenzando una carrera en análisis de datos, aquí hay algunos consejos para ayudarlo a comenzar a aprender de inmediato.

Estar dispuesto a aprender: ser una nueva carrera, estar dispuesto a aprender algo nuevo puede llevarte lejos. Esto es mucho más cierto en el campo de análisis de datos donde el trabajo que realiza podría afectar las decisiones y movimientos futuros dentro de una empresa.

Comience con poco, luego siga avanzando: con el análisis de datos, es importante comenzar con poco y aprender los conceptos básicos y las bases antes de continuar y abordar cosas más grandes.

Esté preparado para trabajar mucho con los números: si tiene una habilidad especial para los números y las ecuaciones algebraicas, convertirse en un analista de datos es su mejor opción. Los analistas de datos trabajan con números, fórmulas y gráficos durante todo el día, por lo que poder mantenerse al día ayuda con esto.

Hacer una carrera como analista de datos es una excelente opción para aquellos que aman trabajar con números y desean ayudar a las empresas y organizaciones a sacar conclusiones y armarlas con la información que necesitan para tomar decisiones importantes. Entonces, si crees que esto cumple con tu personalidad de una forma u otra, puedes convertirte en un buen analista de datos.

¡Salud!

Cualquiera puede ser un científico de datos, ya que ahora es una ciencia espacial, aunque es difícil y para ingresar a esta faternidad se necesita experiencia y un buen conocimiento estadístico. Puede aprender fácilmente cualquier herramienta como R, Python, SAS, etc. al final del día, necesita aumentar su comprensión de las estadísticas. Comencé mi carrera como vendedor y ahora trabajo como analista con una multinacional todavía un paso por detrás de la ciencia de datos centrales, pero ahora estoy trabajando duro para entrar en ello. Tan pocos requisitos previos para ser un científico de datos:

Excelente conocimiento matemático y estadístico

Conocimientos básicos de programación.

Ansiedad por procesar los datos

Y por último, pero no menos importante, la PASIÓN, pero la pasión con el trabajo duro conduce al éxito. Así que no pienses solo en comenzar a trabajar, definitivamente llegarás a algún lugar.

Feliz viaje

Hola nelson

Gracias por tu pregunta

Nos complace que esté eligiendo una de las carreras más aspiracionales en tecnología: Data Scientist / Data Analyst.

Para convertirse en un exitoso Científico de Datos / Analista de Datos que tenga experiencia en tecnología junto con un conjunto de habilidades específicas como programación, codificación, gestión de datos, estadísticas, etc.

En Imarticus ayudamos a aspirantes como usted a actualizarse y comenzar una carrera como Científico de Datos / Analista de Datos.

Somos un instituto galardonado que ofrece cursos de certificación para diversas herramientas de análisis de big data como R, SAS, Python, Big Data y Hadoop.

Si desea sobresalir en una carrera como científico de datos / analista de datos, puede considerar cualquiera de nuestros cursos. Brindamos asistencia profesional al 100% para estos programas, que incluye la creación de currículums, preparación extensa de entrevistas, etc.

Nuestros cursos son los siguientes:
Ofrecemos Data Science Prodegree en colaboración con Genpact como socio de conocimiento. Este programa lo ayuda a comprender en profundidad el análisis de datos y las estadísticas, junto con las perspectivas comerciales y las prácticas de vanguardia que utilizan SAS, R, Python, Hive, Spark y Tableau.

Programa de posgrado en análisis de datos : este programa lo ayuda a comprender los conceptos fundamentales y el aprendizaje práctico de herramientas analíticas líderes, como SAS, R, Python, Hive, Spark y Tableau, así como análisis funcionales en muchos dominios.

A través de varios proyectos y estudios de casos, impartimos las habilidades integrales del papel en nuestros estudiantes junto con una amplia capacitación sobre las herramientas y técnicas clave. Lo preparamos para estar listo para el trabajo con la preparación de entrevistas, talleres de creación de currículums y 1-1 entrevistas simuladas con expertos de la industria.

Para obtener más información sobre nuestros programas, visite: (Cursos de finanzas y análisis de datos | Capacitación en certificación de análisis | Análisis de negocios – Imarticus)

Espero que esto te ayude en tu proceso de toma de decisiones.

Todo lo mejor..:)

Para convertirse en un científico o analista de datos, debe estar familiarizado con las siguientes habilidades técnicas además de algunas habilidades laborales (dedicación, determinación, etc.):

• Sistemas de bases de datos como MySQL, Hive y exposición en profundidad de SQL y análisis
• Conceptos de almacenamiento de datos e inteligencia empresarial.
• Perfección en matemáticas, estadística, correlación, minería de datos.
• Saber “R” es como una cereza en el pastel
• Comprensión de la analítica basada en Hadoop

Debe observar este trabajo de acuerdo con el conocimiento y las habilidades básicas, las responsabilidades y con quién trabaja. Significa que necesita una educación suficiente para prepararse para la ciencia de datos. Los campos que se preparan directamente para el puesto cubren matemática aplicada, estadística e informática. No necesita tomar cursos para satisfacer una especialización en todas estas materias, pero sí necesita un cuerpo de trabajo coherente. Puede pedirle a su asesor académico, profesionales de empresas o agencias, o revisar las expectativas laborales y las conferencias. Estos pueden darle pistas sobre la educación necesaria para realizar el trabajo de ciencia de datos. Además, cumple con la responsabilidad de sus compañeros de trabajo y la organización más grande. Sus compañeros de trabajo lo responsabilizan por el trabajo, como la gestión de datos, análisis y asesoramiento. Pueden esperar que haya desarrollado competencia técnica en lenguajes de programación, como Python, SQL o R. Probablemente también esperan fluidez con las computadoras y, en menor medida, competencia con las redes de computadoras y sus sistemas de información. Estas habilidades básicas le permiten interactuar con la computadora y las personas en el negocio o agencia. Cuanto mejor trabaje con computadoras en redes, mejor contribuirá a los datos de la organización, ya que está estructurada por profesionales y departamentos. Por último, debe comprender con quién trabaja. Esto significa que usted contribuye a su equipo, trabaja bien con sus compañeros de trabajo y comparte responsabilidades. No es muy diferente de los amigos y la familia, excepto que es posible que no te sientas tan cerca o que limites tus relaciones laborales por profesión. Es posible que no comparta tantos eventos cercanos, sentimientos personales o idiosincrasias. Esto solo protege su vida personal de una imagen o reputación profesional. Cuanto más compartas tu vida personal, más enredado te sentirás y posiblemente rechazado de una clase profesional de expectativas. Pero, en general, debe trabajar con las personas y establecer relaciones de tal manera que cumpla con sus objetivos profesionales. Esto significa que entiendes a las personas, como un todo posible en una comunidad o sociedad más grande. Probablemente tengan familias y amigos propios, así como pasatiempos y, ciertamente, una historia individual. Todos estos contribuyen a sus identidades, en un sentido abstracto, pero ayudan a comprender sus acciones en un sentido concreto. Puede pensar en esto como una evaluación psicológica de con quién trabaja, que no está lejos de la evaluación del comportamiento inherente a todas las entrevistas profesionales y ofertas de trabajo. Por lo tanto, debe comprender en general los requisitos de su trabajo, sus acciones responsables y sus compañeros de trabajo y relaciones. Estos factores principales lo ayudan a cumplir con lo que el trabajo espera y cómo sirve a la organización. También lo ayudan a realizar las acciones apropiadas y trabajar cada día. Por último, indican que su trabajo crece y sobresale limitado por sus relaciones en la organización.

Cualquiera puede convertirse en analista de datos o científico de datos. No tienes que obtener ningún título para ello. Sin embargo, el grado solo se acelera para sus procesos de trabajo. Si tiene fuerza de voluntad para aprender, puede convertirse fácilmente en científico de datos. Ya he respondido algunas de las preguntas que puede consultar aquí para saber más.

La respuesta de Sukesh Kumar Ranjan a ¿Es difícil convertirse en un científico de datos a través del autoaprendizaje?

La respuesta de Sukesh Kumar Ranjan a ¿Cuál es el alcance del científico de datos (machine learning + python)?

Mucho se ha dicho sobre la ciencia de datos y su importancia en el mundo corporativo actual. En el mundo corporativo, casi todas las decisiones se toman en base a un análisis cuidadoso y científico de los datos. Los datos se han generado en petabytes y Exabyte a diario. Los datos solo van a crecer, eso también a un ritmo extremadamente rápido. Entonces, una cosa es segura de que Data Science no es una burbuja que explotará en algún momento, sino que irá mucho más avanzada y más rápida en los próximos días. En este artículo descubrirá qué son estos “datos” y qué es la “ciencia de datos” y qué significa para usted.

La ciencia de datos se puede definir como una combinación de varios métodos, procesos y sistemas científicos para extraer información de los grandes conjuntos de datos (que de otro modo estaría oculto). Desde el surgimiento de Internet, ha habido un aumento constante en el aumento de datos, y la introducción de plataformas de redes sociales como Facebook, Twitter, Instagram, etc., junto con los teléfonos inteligentes avanzados ha contribuido enormemente en la generación de datos. . Independientemente de lo que haga un individuo en las plataformas de redes sociales, comparta una publicación, publique un comentario, como un anuncio, e incluso una simple búsqueda se registra y agrega a la enorme cantidad de datos.

Todo está en línea hoy. De la lista de amigos de las personas, el comportamiento de compra, las imágenes, lo que les gusta y lo que no les gusta, su opinión sobre una cosa o tema en particular, etc. Todos estos detalles (datos) sobre las personas pueden analizarse científicamente y utilizarse para crear un mejor entorno en línea. Desde sugerir los libros, películas y videos que podrían gustarles, o sugerir un artículo que podría estar interesado en comprar.

Un ejemplo incluiría, Netflix, utiliza los datos de millones de usuarios con respecto a las películas y los programas que han visto, los actores que les gustan y el tipo de películas que les gustan. Después de ejecutar un algoritmo avanzado (parte de la ciencia de datos) en estos datos, vienen con la lista de películas o programas que un individuo estará más interesado en ver y comienzan a “sugerirles” estas películas.

Es posible que ya haya notado lo mismo en YouTube, cuando ve pocos videos en YouTube; comienza automáticamente sugiriéndote más videos según lo que viste. Esto puede parecer muy simple, pero hay algoritmos complejos que se ejecutan en segundo plano que lo hacen posible.

Los datos pueden haber recorrido un largo camino, pero la verdad es que apenas ha comenzado. Existe un enorme potencial en el campo de la ciencia de datos y campos relacionados como el aprendizaje automático y la inteligencia artificial.

Data Scientist es la publicación más exigente en la actualidad. Si está interesado y decidido a iniciar su viaje como Data Scientist o Data Analyst, Multisoft Virtual Academy tiene mucho que ofrecer. Aquí en MVA, puede encontrar un curso especialmente diseñado para los nuevos científicos de datos y analistas de datos. Cubrimos cada aspecto esencial en nuestro curso que es importante para el crecimiento profesional en el campo de la ciencia de datos.

Nuestro curso cubre los siguientes puntos:

Data Science With SAS Training (Programador SAS)

Capacitación en certificación de ciencia de datos – Programación R

Desarrollador Big Data Hadoop y Spark

Business Analytics con Excel (con VBA)

Ciencia de datos con Python

Obtendrá el conocimiento profundo de estos puntos mencionados anteriormente. Estar familiarizado con todos los aspectos importantes del campo de la ciencia de datos definitivamente llevará su carrera a las nuevas alturas. Para saber más sobre el curso, haga clic aquí:

http: //www.multisoftvirtualacade …

Cualquiera puede hacer una carrera como analista de datos, pero hay algunos requisitos previos. Consulte en la India se prefiere cualquier título en matemática, informática o estadística para hacer una carrera en analítica.
En habilidades generales

• Bueno en números
• Habilidad analítica
• Habilidad para resolver problemas
• Capacidad para trabajar bajo presión

Habilidad técnica-

• Conocimiento de programación
• SQL
• Microsoft Excel
• SAS

Hola,

Tienes que hacer preguntas a los datos … como seguir

1. ¿De qué se tratan estos datos?
2. ¿Quién quiere la información de estos datos?
3. ¿A quién vas a dar el análisis de estos datos?

1. Intente explicar los datos teniendo en cuenta que se los está explicando a un segundo niño sobre su análisis
2. Si puede explicarlo de esa manera, ya está a punto de ser un buen presentador (lo cual es crucial para Data Analyst / Data Scientist)

La exploración es la clave para ser un analista de datos o científico. Cuanto más curioso seas … mejor analista serás 🙂

Espero que obtengas la respuesta requerida 🙂

Lea Cómo convertirse en un buen científico de datos para saber más.