Actualmente soy estudiante de primer año de maestría en estadística y estoy interesado en una carrera en ciencia de datos. ¿Qué debería aprender y hacer con mi tiempo para establecer las bases para convertirme en un gran científico de datos?

El primer orden del día es conseguir que su codificación se desarrolle. Aprende python además de r. Agarra conjuntos de datos y fideos. Luego, pase un tiempo aprendiendo negocios. Quiero decir, los algoritmos, la eficiencia estadística y la teoría son geniales, pero el científico de datos trabaja en negocios. Aprenda lo que les importa a las empresas.

Creo que lo mejor que puedes hacer es llamar en frío a un par de dueños de negocios, decirles que estás trabajando en una maestría en estadística y que quieres hacer algo útil con tu tesis. Obtenga ideas sobre los desafíos que enfrentan y acuda a su asesor con esa lista. Haga que él / ella compre uno de los proyectos como tema de tesis. Llame al negocio asociado y vea si estarían interesados ​​en compartir datos con usted para resolver su problema comercial. Iterar según sea necesario.

Ahora tiene un año más o menos para dedicar el uso de estadísticas para resolver un problema del mundo real. Arreglalo.

Si quieres ver mi guía para aprender ciencia de datos, échale un vistazo aquí:

Aprendizaje de la ciencia de datos – Barnes Analytics

5 recursos para comenzar en la ciencia de datos – Barnes Analytics

Si desea ser un “gran científico de datos”, y está estudiando estadísticas, mi recomendación para usted sería obtener una buena base en los principios que sustentan qué tipo de estimación puntual y / o pruebas de hipótesis estadísticas utilizará.

A saber, cuáles son las presunciones (por ejemplo, la normalidad subyacente de la distribución, la naturaleza de la varianza, los problemas de autocorrelación, los sesgos) asociados. Aprenda sobre las distribuciones, particularmente las familias exponenciales, y cómo se relacionan. Aprenda cosas como los criterios de información que se utilizan para evaluar la bondad del ajuste y la adecuación del modelo. Y, por supuesto, preste atención a los enfoques para la preparación y limpieza de datos. Basura dentro basura fuera. Tome cursos aplicados cuando sea posible y ensúciese las manos.

Demasiadas personas que se dedican a interrogar datos no comprenden realmente las fortalezas y limitaciones de los diversos enfoques. A medida que las herramientas se vuelven cada vez más fáciles de usar, el riesgo de abuso aumenta.

Sugeriría dos cosas:

1) Familiarícese con los algoritmos de aprendizaje automático (consulte aquí algunos de los más comunes en la industria: https://www.slideshare.net/Colle …). Los científicos de datos son estadísticos que usan estas herramientas adicionales y trabajan con conjuntos de datos grandes o complejos.

2) Ensucia tus manos con proyectos de análisis de datos para crear una cartera. Vea si alguien en su universidad necesita que sus habilidades se apliquen a sus conjuntos de datos. Explore algunos de los datos en el repositorio de UCI. Busque en otro lugar los datos de código abierto. Esto mostrará su competencia en la aplicación adecuada de métodos estadísticos y algoritmos de aprendizaje automático, así como sus habilidades de codificación para implementarlos y su capacidad para comunicar resultados.

Debe tener una buena base matemática de su programa para aprender nuevos métodos y comprender las matemáticas detrás de los algoritmos de aprendizaje automático. Esos 2 artículos más su experiencia en matemáticas serán atractivos en el mercado.

Comprenda que “científico de datos” es un término de marketing. No tiene un significado controlado, comparable a la licencia y la certificación de la junta para un médico, o el CPA para un contador. La grandeza en la profesión estará definida por sus propios estándares y los de sus posibles empleadores.

Entonces, depende de usted decidir qué tipo de trabajos desea tener y recopilar información sobre las expectativas específicas para esos trabajos.

Puede comenzar fácilmente leyendo las listas de empleos en los sitios web de los empleadores. Sin embargo, no lo dejes así.

Salga y comience a conocer personas que trabajan en el campo, especialmente personas que trabajan en sus empresas objetivo. Únase a organizaciones profesionales, como la Asociación Americana de Estadística, y asista a reuniones regularmente. Practica la creación de redes.

Solicite entrevistas informativas, conversaciones de bajo estrés con modelos a seguir en su campo, donde puede hacer preguntas y obtener asesoramiento profesional. Nadie sabe más sobre las necesidades específicas de un trabajo en particular que las personas que ya están haciendo el trabajo. Si puede conocer a sus gerentes de contratación, mucho mejor.