No hay como requisito específico necesario. Sin embargo, le sugiero que reconsidere su enfoque. Si está comenzando con la ciencia de datos, entonces no debería preocuparse sobre qué grado obtener. Creo que deberías pensar en qué aprender si tienes una razón para convertirte en un científico de datos. Expondré la importancia del grado desde el punto de vista del aspirante y el punto de vista del empleador, y ambos concluyen en una sola cosa, mientras que un título puede ser útil para aprender ciencia de datos, pero no es todo lo que puede hacer que un científico de datos tenga éxito.
Visión del empleador: hubo un momento a fines de los años 80 hasta principios de la década de 2000 en el que las personas contrataban solo los primeros de un lote, personas con más y más títulos y certificados. Pero para nuestro mejoramiento, la situación ahora ha cambiado. A mi modo de ver, los certificados y títulos son solo una prueba de que ha completado un curso en particular. No habla de tu conocimiento de habilidades. Durante la contratación, vi una brecha significativa entre nuestras necesidades como industria y los académicos que le enseñan. De alguna manera, después de entrevistar a 45 candidatos, seleccionamos a 6 personas. Así que creo que esta es la era del talento.
Visión del aspirante: si usted es un aspirante a científico de datos y tiene el entusiasmo suficiente para aprender ciencia de datos, no creo que un título haga una gran diferencia. Aunque un título le daría peso a su currículum, no puede evitar que se convierta en un científico de datos. Si tiene suficiente conocimiento y dedicación, la falta de certificados y títulos no puede detenerlo.
- ¿Es un doctorado no matemático / CS inútil para la ciencia de datos?
- Mirando las elecciones de 2016, ¿cuáles son las principales empresas de consultoría política en DC, en particular, aquellas que podrían emplear científicos de datos?
- ¿Necesito una maestría / doctorado para convertirme en científico de datos?
- ¿Qué hace un científico de datos como su rol funcional?
- ¿Cuál debería ser mi plan de acción anual para convertirme en científico de datos? He estudiado para obtener un título en matemáticas, y tengo una comprensión decente de la mayoría de los conceptos subyacentes en estadística y probabilidad.
Aquí hay algunas cosas que debe saber para aprender ciencia de datos. Si tienes un amplio conocimiento de ellos, estoy seguro de que conseguirías un trabajo.
Fundación
- Python Básico, Intermedio y Avanzado
- Estadística, probabilidad y álgebra lineal
- Regresión lineal, series de tiempo y función de costo
- Tipos de datos y análisis exploratorio de datos
- Recopilación, extracción, consulta, limpieza y agregación de datos para análisis
- Fuentes de datos, limpieza y disputas
- Trabajando con API
- Raspado web
Avanzado
- Árboles de decisión, árboles condicionales
- Técnicas de conjunto
- Big Data y Hadoop Ecosystem y Spark
- Arquitectura HDFS
- Colmena QL
- Cerdo
- Contar historias con datos
- Codificación Visual
- Cuadro
- Bayes ingenuos
- PNL / Agrupación de texto / NLTK
- PCA y reducción de dimensiones
- Implementación de productos de Data Science
El objetivo principal de la ciencia de datos es ayudar a resolver problemas comerciales complejos con la ayuda de datos. Para ser precisos, si no trabaja en problemas reales de la industria, no podrá prepararse como un científico de datos exitoso.
Siempre recomendaría a los aspirantes de ciencia de datos que asistan a un programa basado en el aula, dirigido por un instructor y orientado a la práctica.
Te encontrarás con muchas instituciones, cursos y programas que te ayudarán a aprender ciencia de datos. Algunos son muy caros, mientras que otros son razonables. Pero, una cosa muy importante a tener en cuenta mientras se inscribe en dichos cursos es saber su valor en términos de conocimiento y lo que al final del curso está desarrollando dentro de usted mismo.
Algunos puntos a considerar al elegir una institución / curso
- El énfasis está más en la práctica y no solo en la teoría.
- El proyecto se basa en enunciados de problemas relevantes de la industria y no en las tareas antiguas
- Los aprendizajes y proyectos son colaborativos y se realizan en equipos.
- Obtiene herramientas reales de la industria y se enfoca en el desarrollo basado en pruebas
Y en mi opinión, las certificaciones son una prueba de que ha completado un curso o un programa y no una prueba de lo que ha hecho. ¡Debes haber leído muchos artículos sobre desempleo educado o incluso haber encontrado algunas experiencias personales en las que muchos estudiantes tienen una maestría pero aún no tienen trabajo!
Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.
Algunos enlaces rápidos
- Programa – http://www.greyatom.com/full-sta…
- Chatee con un consejero académico: le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co…