La ciencia de datos es la supervivencia del más apto en un juego de trabajo duro y pasión con los datos. Comprender los datos es una cosa, encontrar relaciones en los datos y comprender su importancia es algo que diferencia a los científicos de datos de los modeladores de datos. Debes convencerte antes de convencer a los demás de que esta es la carrera que deseas seguir. Si puede sumergirse en Kaggle (u otros desafíos de datos) tan profundo que pierda la noción del tiempo y olvide su cena, es una forma de saber por sí mismo que realmente le apasiona este campo.
Aquí está la fórmula 3X3 para empezar para alguien sin experiencia en el campo relacionado con la ciencia de datos para saber si debe perseguir su pasión con la ciencia de datos:
De ahora en adelante, pasa 3 horas al día en ciencia de datos . Comience a resolver el problema de Kaggle con R: Tutorial de una hora y pase gradualmente a los MOOC de Courrsera, edX y otros recursos en línea. que cubre los conceptos básicos de aprendizaje automático y estadísticas. No te avergüences si no entiendes nada. Pregunta en Quora, pregunta en los foros, descubre más y sigue avanzando.
- ¿Qué oportunidades de carrera en ciencia de datos y aprendizaje automático existen en Microsoft?
- Cómo usar de manera óptima los próximos seis meses si tengo que ser mejor en Data Science
- ¿Cuáles son las oportunidades de salida para analistas de negocios y científicos de datos?
- ¿Cuáles son las diferencias en el aprendizaje (como estudiante universitario) entre un científico de datos y un informático?
- Cómo aprender R para ciencia de datos / aprendizaje automático en 50 horas
- Haga esto durante 3 meses , sin parar todos los días. Luego evalúe si todas estas cosas de aprendizaje automático le interesan.
Si incluso después del mini infierno 3 × 3, no se inmuta, ahora está listo para profundizar en temas de ciencia de datos reales:
- Cubra algunos de los temas en detalle según su interés como PNL, sistemas de recomendación, aprendizaje profundo y MOOC completos en tecnologías de big data como Park y Hadoop.
- Realice 3-4 proyectos relacionados con la ciencia de datos Compita en Kaggle, cree productos de datos con datos abiertos, trabaje en trabajos de contrato de datos, intente obtener una pasantía: pasantías de Data Science y Data Analyst
- Haz (1) y (2) hasta que creas que estás listo para un trabajo
Las 3 horas que pasas todos los días construyen tu base. Los 3-4 proyectos que realiza muestran sus capacidades (siéntase orgulloso de compartirlos durante las entrevistas). Incluya el enlace de su perfil de Github en su perfil de linkedin. Te sorprenderá cuánto sabes al final de un año.