Como se indica correctamente en las otras respuestas a esta pregunta, mucho depende de su definición de científico de datos. Consulte esta infografía para ver los diferentes roles de la ciencia de datos y comprender a qué me refiero cuando hablo de científicos de datos: La industria de la ciencia de datos: quién hace qué (infografía).
Tenga en cuenta que las descripciones de trabajo y los títulos de trabajo pueden ser bastante confusos, por lo que es mejor mirar también las descripciones de trabajo para ver qué quieren decir las empresas cuando dicen que están contratando “científicos de datos”. Alternativamente, puede descubrir que el trabajo de científico de datos que siempre ha deseado es en realidad un trabajo de ingeniería de datos o un trabajo de analista de datos …
Si aún asumimos que desea convertirse en un científico de datos en la definición presentada en la infografía, no creo que sea imposible que alguien se convierta en un científico de datos si no tiene un título de CS o “formación en informática”. Sin embargo, creo que será un desafío.
- ¿Qué es lo que más te gusta de ser un científico de datos en el día a día?
- ¿Puedo seguir siendo un científico de datos incluso cuando tengo experiencia en comercio?
- ¿Qué desean los estadísticos que los científicos de datos sepan?
- ¿Sería una buena idea unirse a un campo de entrenamiento de ciencia de datos después de recibir una maestría en ciencia de datos?
- ¿Está bien seguir una carrera en ciencia de datos si soy un asco en el "cálculo"?
Permítanme explicar esto más claramente: la ciencia de datos requiere ante todo una sólida formación en estadísticas, matemáticas y aprendizaje automático. Tomar los conceptos básicos correctos llevará algún tiempo y usted debe invertir en eso. Además de eso, necesitará saber cómo codificar, cómo funcionan las bases de datos y obtener información (básica) sobre big data. (Fuente: Learn Data Science – Infografía). Tener experiencia en todo esto puede y lo ayudará, pero al mismo tiempo, obtener todo ese conocimiento no es imposible 🙂
Lo que debe tener en cuenta es que la ciencia de datos es un campo aplicado y no solo requiere conocimiento, sino también intuición para resolver problemas. Como científico de datos, será su trabajo asegurarse de que pueda extraer y presentar ideas. Es por eso que sería mejor aplicar todo lo que aprendió primero en los desafíos de codificación (Learn R, Python & Data Science Online | DataCamp) y luego en estudios de casos de la vida real (Your Home for Data Science) que luego puede usar para construir su cartera personal.
No hay límite de edad para convertirse en un científico de datos, pero hay mucho por hacer y probablemente querrás avanzar lo suficientemente rápido. Tal vez considere tomar una pista de ciencia de datos como Data Scientist con Python Track | DataCamp cuando tienes lo básico, o tal vez un bootcamp de ciencia de datos.
En pocas palabras: hay mucho por hacer, ¡así que comience lo antes posible!