Hola:
Sí, puedes convertirte en un exitoso científico de datos. De hecho, su experiencia en informática y codificación será una ventaja. Aquí sabrás como podrás hacerlo-
Se trata de cuatro fases clave:
- ¿Qué se puede hacer con un doctorado en biología computacional? ¿Cuáles son las opciones de carrera en el futuro?
- ¿Puedes convertirte en un científico de datos solo haciendo competencias de Kaggle?
- Después de tener una experiencia en ciencia de datos por menos de un año, ¿qué compañías me llevarían y cuál sería mi paquete?
- ¿Cuáles son los conceptos estadísticos básicos para los científicos de datos?
- Cómo iniciar una empresa de minería de datos
Fase 1- Aprendiendo las cuerdas
Fase 2- Encontrar un trabajo
Fase 3- Tener éxito en tu carrera de ciencia de datos
Fase 4- Disfrutando de los beneficios de su valor y pasión
Permítanme detallar cada fase a continuación.
Fase 1- Aprendiendo las cuerdas
Sepa si está hecho para ser un científico de datos y luego comience su viaje siguiendo los tres pasos que se detallan a continuación:
Primer paso: autoevalúe si tiene las siguientes habilidades, que en mi opinión son imprescindibles para que pueda lograr el éxito en la vida de Data Science
- Amor por los números y las cosas cuantitativas.
- Grit para seguir aprendiendo
- Alguna experiencia en programación (preferida)
- Enfoque de pensamiento estructurado
- Pasión por resolver problemas
- Voluntad de aprender conceptos estadísticos.
Segundo paso: si cree que demuestra las habilidades y aptitudes anteriores y / o está dispuesto a aprender, continúe con el segundo paso. Esta es una etapa de aprendizaje GRATUITA. ¡Y puedes comenzar este viaje ahora mismo! Le sugiero que visite Coursera, edX, LinkedIn Learnings (Lynda: Cursos en línea, clase, capacitación, tutoriales) y otras plataformas de aprendizaje en línea. Hay varios cursos GRATUITOS disponibles que debes comenzar a aprovechar. Comience a tomar estos cursos e intente hacerlo lo mejor posible. Asegúrese de finalizar todas las tareas y cuestionarios para obtener el máximo valor de los cursos en línea.
Además, debido a la democratización de ML / AI, Google, IBM y otras empresas similares nos han facilitado el acceso y el aumento de nuestro conocimiento sobre Big Data, herramientas y técnicas de ML / AI. Algunas de las herramientas gratuitas que debes probar para dar una vuelta son:
o Pila de aprendizaje automático de Google – tensorflow
o Apache Spark
o IBM Watson
o Microsoft Azure
Simplemente haga google y encontrará enlaces para las pilas anteriores. Comencemos con los aprendizajes gratuitos.
Tercer paso: una vez que haya probado algunos cursos gratuitos y decida unirse a un curso de ciencias de datos, aquí encontrará una guía sobre cómo elegir el programa adecuado para usted.
Autodidacta vs Instructor dirigido – Prefiere instructor dirigido ya que esto le dará más oportunidades para aclarar sus dudas. Según una estadística, el 80–90% de los estudiantes no completan su curso a su propio ritmo / basado en videos.
Online vs Class-room- Algunas personas prefieren las aulas para el aprendizaje cara a cara y la interacción con otros estudiantes. Sin embargo, los cursos en línea son igualmente efectivos si estás motivado.
Calidad de los instructores: hay dos tipos de formadores en el mercado. 1- Quienes han realizado algunos cursos y ahora están haciendo la capacitación 2- Profesionales de la industria. Estas son las personas que han trabajado durante años significativos en la industria. Siempre debe preferir aprender de profesionales de la industria con experiencia laboral significativa. Debo advertirle que, desafortunadamente, hay algunas personalidades falsas en esta industria, así que verifique usted mismo el perfil de linkedin del entrenador y vea cuántas personas han respaldado al instructor o al profesorado por las habilidades de ciencia de datos. Si no ve o tiene muy poco respaldo, es una bandera roja.
Asistencia de colocación: verifique si el instituto proporciona asistencia de colocación o no. También solicite estadísticas sobre cuántas personas han sido ubicadas con éxito por ellos. En última instancia, esta es una de las principales razones por las que contemplan tomar un curso después de todo.
Estudios de casos prácticos y tareas: elija el curso que le ofrece varios conjuntos de datos y problemas de la industria del mundo real para trabajar. Prefiere los que tienen Learning Management System (LMS) además de eso para el aprendizaje complementario.
Ayuda continua: no dominará los temas en 1 o 2 meses, le llevará varios meses construir consuelo en estos temas. Se prefiere un instituto que brinde ayuda a largo plazo con sus necesidades de aprendizaje y responda sus consultas en el futuro.
Certificación: si todo lo demás es igual, una certificación de un instituto reputado será mejor.
Pruebas y tareas: es fundamental evaluar su comprensión periódicamente mediante pruebas y tareas. Un buen instituto dará toneladas de pruebas y tareas y proporcionará la calificación y la retroalimentación.
Precio- ¿Cómo podemos olvidar esto? Evaluar si el curso tiene una buena relación calidad-precio o no. Compara los contenidos y el número de horas. Es mejor un instituto que ofrezca más contenido y más horas de contacto por cada centavo que pague.
Fase 2- Encontrar un trabajo
Esto podría ser complicado, pero aquí hay algunos consejos para ayudarlo:
- Si eres más nuevo (0–2 años de experiencia), será más fácil.
- Si está haciendo algo similar en su función actual, será mucho más fácil para usted demostrar su idoneidad a un posible empleador. Si estás involucrado en algo totalmente diferente, será un poco más difícil
- Necesita conocer los conceptos y la aplicación práctica. Idealmente, debería tener algunos proyectos en los que ya haya aplicado las habilidades.
- Si ha participado en alguna competencia (como Kaggle) y lo ha hecho bien, resalte estas actividades en su currículum de manera destacada. Hay empresas que le ofrecerán sus trabajos si puede obtener buenos resultados en estas competencias.
- Varios empleadores hoy en día tienen Hackathon y abren desafíos para que cualquiera participe. Si lo haces bien, ¡obtienes un trabajo para ti!
- Una cosa que siempre funciona es pasar por una referencia en la empresa.
- Complete los cursos GRATUITOS que ofrece Coursera, etc. y mencione eso en su currículum.
- Cree visibilidad para usted participando en blogs y foros
- No insista en encontrar un papel a tiempo completo desde el principio. Esté abierto a unirse como pasante o trabaje para obtener los beneficios mínimos para construir la experiencia. Más tarde puedes capitalizarlo.
- En igualdad de condiciones, las empresas más pequeñas pueden estar más dispuestas a acogerlo, en comparación con MNC, etc.
- Por último, pero no menos importante, ¡nunca te rindas! Si realmente lo quieres, lo obtendrás.
Fase 3- Tener éxito en tu carrera de ciencia de datos
Aquí están mis 10 punteros principales para garantizar un éxito duradero.
- Aprende tanto como sea posible. Pase de 4 a 5 horas cada semana en el aprendizaje y el desarrollo y conozca lo último en la industria
- Desafío del status quo. Nunca suponga que lo que se está haciendo está siguiendo el enfoque más efectivo
- Cree que eres igual a todos los demás en la jerarquía. No tengas miedo de decir lo que piensas
- Concéntrese en la innovación y salga con la tierra rompiendo ideas en lugar de hacer el negocio como siempre.
- Concéntrese en desarrollar excelentes habilidades de comunicación y habilidades blandas, ya que esta es una de las brechas más grandes que he visto en los profesionales de análisis
- No te conviertas en un pony de un solo truco. trate de obtener exposición en diferentes industrias y diferentes áreas funcionales.
- Participe en competiciones y eventos como Kaggle, para saber cuál es su posición frente a su grupo de compañeros.
- Intente escribir libros blancos y blogs sobre su experiencia en el tema.
- Desarrollar experiencia en el dominio ya que sin ese análisis no es efectivo.
- Finalmente, mantenga siempre una visibilidad clara de su fortaleza y oportunidades y de cualquier punto ciego. Busque activamente comentarios de su grupo de pares y sus superiores.
Fase 4- Disfrutando de los beneficios de su valor y pasión
El futuro de Big Data y Data Analytics es realmente brillante. ¡Según IBM, el 90% de los datos que tenemos en el mundo hoy se han generado en los últimos 2 años! Todos los días estamos generando 2,5 bytes quintilianos (2,500,000 terabytes) de datos. Estos datos provienen de todas partes, como redes sociales, sensores, transacciones, imágenes, videos, etc. Se espera que el crecimiento de estos datos sea aún más rápido en las próximas décadas.
La conclusión es que Big Data está aquí para quedarse y requerirá una gran cantidad de científicos de datos y máquinas para obtener estos datos para obtener información e inteligencia procesables.
¿Qué significa para ti?
Si busca empleo con habilidades de ML / AI Big Data, al menos los próximos 10-15 años serán un período de auge para usted, donde gigantes tecnológicos como Google, Facebook, Microsoft, IBM, otras compañías en todos los mercados verticales y nuevas empresas en todo el mundo estarán igualmente interesados en contratar un talento como tú.
Si usted es un emprendedor con una buena idea relacionada con Big Data de ML / AI, habrá muchas oportunidades para recaudar dinero para impulsar el crecimiento de su negocio. Según una estadística de Kalaari, ¡las empresas de IA han recaudado $ 6B USD desde 2014!
Espero que esto ayude.
¡Salud!
Gracias por sus votos a favor de antemano. Me mantienen en marcha! ¡Gracias!
Descargo de responsabilidad: Las opiniones expresadas aquí son únicamente las del escritor en su capacidad privada.