¿Cuáles son los cursos recomendados para científicos de datos?

Data Scientist es el trabajo más emergente en 2017 y si se cree que fuentes como Glassdoor para 2020, la demanda de Data Scientist o Big Data Scientist se incrementará en un 28%, que es un gran número teniendo en cuenta la cantidad de Big Data que necesita ser analizado.

Si desea obtener la certificación para trabajar con Big Data, existen numerosas opciones. Estas cinco certificaciones de big data pueden ayudarlo a orientarse en las enormes cantidades de datos que existen actualmente.

• Coursera : tienen varios segmentos de cursos de certificación, desde Data Science, SQL hasta Big Data. Brindan acceso a la educación internacional y se asocian con las mejores universidades y organizaciones para ofrecer cursos en línea. Cada curso es como un libro de texto interactivo, con videos pregrabados, cuestionarios y proyectos. Sus mejores cursos son: –

1. Master of Computer Science in Data Science (MCS-DS) : el MCS-DS desarrolla experiencia en cuatro áreas centrales de la informática: visualización de datos, aprendizaje automático, minería de datos y computación en la nube.

2. Especialización ejecutiva en ciencia de datos : esto incluye cuatro cursos intensivos, puede aprender lo que necesita saber para comenzar a armar y liderar una empresa de ciencia de datos, incluso si nunca antes ha trabajado en ciencia de datos.

• Data Science Council of America : esta es una plataforma de certificación orientada a la carrera profesional. Puede obtener sus credenciales para exhibirlas directamente a sus empleadores, y los recursos y materiales se proporcionan tanto en línea como fuera de línea. Obtener la certificación de DASCA es beneficioso porque tiene una amplia cobertura de la industria y es valorado por muchos grandes empleadores en todo el mundo. DASCA evalúa a las personas a lo largo del marco de conocimiento de Big Data más robusto del mundo, el EKF ™. Esto valida su conocimiento en 30 dimensiones críticas para la profesión, antes de otorgar su certificación, y cuenta con distintivo digital. También proporcionan un paquete de credenciales que puede mostrar durante sus entrevistas. Sus certificaciones para todos los niveles, incluidos ABDA ™, ABDE ™, SBDA ™, SBDE ™, SDS ™ y PDS ™ le otorgan una ventaja competitiva a su empleabilidad y crecimiento, justo donde importa. Dependiendo de sus calificaciones y experiencia laboral, Data Science Council of America proporciona las certificaciones. Recuerde que esto NO es solo un curso en línea como miles de otros.

1. Ingeniero Asociado de Big Data (ABDE ™) – Esta certificación es para jóvenes estudiantes graduados de universidades y escuelas tecnológicas de todo el mundo, preparándose para carreras de Big Data.

2. Ingeniero senior de Big Data : la certificación SBDE ™ es para ingenieros de software experimentados y profesionales que ya están en Big Data o pueden aspirar a ingresar al espacio.

3. Analista asociado de Big Data : la certificación ABDA ™ es para jóvenes estudiantes de escuelas de negocios y para aquellos que se gradúan con especializaciones como Estadística, Matemática Aplicada y Economía, que sueñan con realizar carreras emocionantes en Big Data Analytics.

4. Analista senior de Big Data : la certificación SBDA ™ es para profesionales que desean acelerar su crecimiento en Big Data Analytics, incluida la visualización de datos, la limpieza de datos, etc. Una de las certificaciones más reconocidas y aceptadas internacionalmente.

5. Científico de datos sénior : el SDS ™ del Data Science Council of America (DASCA) está destinado principalmente a contribuyentes individuales de nivel superior que buscan pasar a sus funciones como científicos de Big Data para sus propias organizaciones o sus clientes. Esto es principalmente para profesionales de análisis de Big Data que buscan roles de científicos de datos en todas las industrias.

6. Principal Data Scientist (PSD ™) : la credencial para vencerlos a todos, dirigida a profesionales de Big Data con al menos 12 años o más de experiencia en liderar transformaciones de Big Data en entornos grandes y complejos, con títulos de posgrado / maestría en Negocios / Tecnología / Matemáticas o disciplinas aliadas y en busca de roles departamentales o de desarrollo de productos.

• SAS – SAS entiende que cada organización, en cada industria, tiene sus propios desafíos únicos cuando se trata de obtener el mayor valor de los datos. Uno de ellos, el Sistema de Análisis Estadístico, ofrece 150 productos en análisis, programación, etc. Consulte sus programas Productos y Software AZ.
• Certificación de Cloudera : son las certificaciones de Cloudera de que puede usar su plataforma para convertir datos sin procesar en información útil. Cloudera ofrece:

Ingeniero de datos de Cloudera Certified Professional (CCP) : certifica que puede “desarrollar canalizaciones de datos confiables, autónomas y escalables que resulten en conjuntos de datos optimizados para una variedad de cargas de trabajo”. En otras palabras, CCP Data Engineer demuestra que puede organizar los datos en un Forma limpia y útil que puede ser utilizada por diferentes personas, para diferentes propósitos.

Cloudera Certified Associate (CCA) Spark and Hadoop Developer : la certificación Spark and Hadoop Developer muestra que puede “ingerir, transformar y procesar datos utilizando Apache Spark y las herramientas centrales de Cloudera Enterprise”. Esto significa que puede hacer todo, desde importar y exportar datos entre MySQL y HDFS, para cambiar el formato de un conjunto de datos, para consultar sus datos para generar informes.

• Certificación MongoDB : el administrador de la base de datos de Mongo (DBA) certifica que puede utilizar la popular tecnología de gestión de bases de datos de código abierto de Mongo para obtener valor de los datos poco estructurados. La certificación DB Developer muestra que puede crear aplicaciones con Mongo. Lo que diferencia a Mongo es que es una base de datos basada en documentos, en lugar de una base de datos relacional. En bases de datos relacionales, sus datos se organizan en filas y tablas. En bases de datos basadas en documentos, sus datos se almacenan en documentos. Esta diferencia es una de las muchas cosas que hacen que Mongo sea bueno para la inteligencia de ubicación, los datos de las redes sociales y (por supuesto) el texto y el HTML.

Espero que esto te ayude a decidir qué curso elegir. Apunte al que agregue valor general a su CV, y los empleadores definitivamente lo valorarán más.

Voy a tomar un enfoque ligeramente diferente para responder esta pregunta.

En lugar de cursos, enumeraré las habilidades que ayudarán a un recién graduado de la universidad a conseguir un trabajo como Data Scientist de nivel de entrada.

1. Debe tener la capacidad de acceder a los datos y transportarlos de una ubicación a otra. La mayoría de los equipos de Data Science tienen una infraestructura basada en servidor o en clúster. Por lo tanto, debe aprender UNIX para saber cómo iniciar sesión en un servidor y orientarse. Cuando aprenda UNIX, concéntrese en habilidades básicas como enumerar el contenido de un directorio, buscar patrones en nombres de archivos, crear / copiar / editar / eliminar archivos, abrir un archivo y buscar algo específico en él, filtrar, ordenar, etc. Como principiante, no tiene que preocuparse por aprender a escribir scripts de shell. Eso puede venir después.
2. Una vez que pueda acceder a los archivos de datos en un servidor, deseará abrirlos, explorar los datos y realizar algunos análisis simples sobre los datos. MS-Excel , aunque es mal visto por los puristas, sigue siendo una herramienta bastante poderosa para explorar y analizar pequeños archivos de datos. Cuando aprende Excel, concéntrese en lo siguiente: (1) Aprenda a navegar una hoja de cálculo de Excel usando solo su teclado y no su mouse; (2) Aprenda algunas de las funciones incorporadas que se usan con más frecuencia y cómo usarlas; (3) búsquedas; (4) pivotes; y (5) Gráficos y cuadros. MS-Excel tiene mucho más que ofrecer, pero si aprende lo anterior, tendrá un comienzo sólido.
3. A veces, debe extraer datos de bases de datos y preparar su propio conjunto de datos. Para hacer eso debes aprender SQL . Aprenda a escribir consultas SQL simples. Primero comience con solo una tabla y aprenda a seleccionar datos de la tabla, ordenarlos, filtrarlos y agregarlos. Luego pasa a unir dos mesas.
4. Una vez que tenga algunos datos con usted, y los haya explorado un poco usando, por ejemplo, MS-Excel, entonces querrá realizar algunos análisis estadísticos sobre los datos. Aprenda los conceptos básicos de R o Python para esto : puede comenzar con ya que la mayoría de los equipos en estos días son expertos y usan ambos. Debe aprender a importar datos en los formatos más utilizados, limpiar y preparar los datos, ejecutar estadísticas resumidas, exportar los datos al formato que desee y crear gráficos / visualizaciones simples. Puedes aprender cómo construir modelos más tarde.
5. Aprende los conceptos básicos de las estadísticas . Espacio muestral, probabilidad, variables aleatorias, independencia, media, mediana, modo, desviación estándar, varianza y distribuciones de probabilidad, etc. Una de las formas de aprender estos conceptos es consultar el primer apéndice del libro Econometría básica de Damodar N Gujarati. El apéndice tiene aproximadamente 40-50 páginas y es un curso intensivo en los conceptos mencionados anteriormente.
6. Crea una cuenta en Github y aprende a documentar y administrar todo el código que escribes.

Si está comenzando de nuevo, puede llevarle entre 6 y 9 meses cubrir todo lo que he mencionado anteriormente y lograr un grado básico de competencia en cada área.

Lo bueno de Data Science es que hay muchos cursos en línea, tutoriales y libros que puede utilizar para aprender las habilidades que he enumerado.

Espero que esto ayude.

¿Sabía que los trabajos de Data Scientist tienen el mejor potencial de crecimiento en los próximos siete años, ya que son uno de los trabajos más difíciles de cubrir?

Una búsqueda rápida de empleos de científicos de datos en los EE. UU. En LinkedIn reveló más de 13,700 puestos vacantes.

Esto muestra la demanda de científicos de datos, revelando que tanto los listados de trabajo de científicos de datos como el interés de los solicitantes de empleo no muestran signos de desaceleración. ~ a través de Búsqueda de empleo | En efecto

Se estima que habrá un millón más de trabajos informáticos que los empleados para ocupar esos trabajos informáticos en los próximos diez años. Lee mas..

¿Por qué optar por un curso cuando puede optar por una carrera profesional y obtener un trabajo asegurado?

¿Por qué una carrera profesional?

• edWisor

• porque aprende las habilidades requeridas en ciencia de datos, por ejemplo , R, Python, estadísticas, aprendizaje automático, modelado predictivo, análisis de datos, visualización de datos, modelado de datos, implementación, etc.
• usted trabaja en proyectos que lo capacitan técnicamente – experiencia práctica – construye un portafolio – recibe atención de los reclutadores.
• El modelo basado en el proyecto de aprendizaje se ofrece aquí.
• obtener pasantías y un puesto de trabajo a tiempo completo en ciencia de datos – inicio / empresa basada en productos.
• aseguramiento de trabajo

• Aprendizaje gamificado

• Sesiones en vivo
• Asignaciones
• Panel de discusión

• Proyectos en vivo
• Estudios de caso
• Sesiones de dudas

• Sesiones de habilidades blandas
• Construcción de cartera
• Preselección para entrevistas

¿Y por qué no deberías ir a cursos?

• Coursera

• cursos rigurosos de los mejores instructores
• buenos recursos de aprendizaje
• conferencias grabadas en video
• se da entrenamiento
• asistencia laboral
• pero sin garantía de trabajo

• programas de nanogrado, pero esto no funciona en India
• mejores prácticas de la industria
• sesiones en vivo y proyectos
• certificaciones
• contratar fuente de talento
• pero sin garantía de empleo

Consejo: si aún no ha comenzado su carrera en ciencia de datos, todavía le recomendaría que use edWisor: esta trayectoria profesional ofrece modelos de proyectos de aprendizaje donde aprende R, Python y Estadísticas, etc., todo en una sola plataforma.

La mejor parte de esta plataforma es que ayuda a los candidatos a ser contratados como científicos de datos en una empresa / empresa basada en productos. ¡No hay daño en darle una oportunidad!

PD: al final del día, ¡tu objetivo es conseguir un trabajo como científico de datos!

¡Todo lo mejor!

Se espera que un científico de datos tenga una sólida base en el análisis estadístico.

Por lo tanto, tome tantos cursos de Estadística como sea posible (hay excelentes en MOOC superiores como Coursera, Udacity, etc.).

luego, practique R. (hay muchos cursos y tutoriales disponibles en la red). El conocimiento de R es muy importante en el campo de la ciencia de datos.

luego viene Data Mining y Machine Learning. Aprenda tantos algoritmos de ML como sea posible y también varias técnicas de minería de datos, por ejemplo: – Neural Netorks, Aprendizaje supervisado y no supervisado, Algoritmo forestal (uno de los algoritmos más populares en estos días).

La regresión es también un concepto muy importante que debe dominarse en su camino para convertirse en un exitoso científico de datos.

El conocimiento de Hadoop y Hive también es importante. (son fáciles de aprender, pero difíciles de implementar). Por lo tanto, la práctica es muy importante para dominar estas habilidades.

Para una mejor visualización, eche un vistazo a esta hoja de ruta,

Apto para un papel tapiz para un aspirante a científico de datos.

Hola soleado

Nos complace que haya elegido uno de los trabajos más aspiracionales en tecnología: el científico de datos.

Es una de las carreras en auge en TI.

Para convertirse en un científico de datos exitoso, debe ser de un entorno tecnológico. Junto con esto, debe tener buenas habilidades de razonamiento lógico, aptitud y comunicación.

En Imarticus ayudamos a aspirantes como usted a actualizarse y comenzar una carrera como científico de datos.

Ofrecemos el Data Science Prodegree en colaboración con Genpact como socio de conocimiento. Este programa lo ayuda a comprender en profundidad el análisis de datos y las estadísticas, junto con las perspectivas comerciales y las prácticas de vanguardia que utilizan SAS, R, Python, Hive, Spark y Tableau.

Además de esto, el programa también proporciona asistencia de colocación del 100% para guiar y ayudar a navegar por amplias opciones de carrera y prepararlo para el trabajo desde el día 1.

A través de varios proyectos y estudios de casos, impartimos las habilidades integrales del papel en nuestros estudiantes junto con una amplia capacitación sobre las herramientas y técnicas clave.

Para saber más sobre nuestros programas, visite nuestro sitio web . O bien, visite nuestro centro con sede en Mumbai, Pune, Delhi, Coimbatore y Chennai.

Podemos comenzar a llevarte al camino correcto este 2017.
Espero que esto te ayude en tu proceso de toma de decisiones.

Todo lo mejor..:)

El aprendizaje automático aplicado es Python.

Omita las cosas de construcción del modelo de ciencia de datos hasta que esté bien versado en Python.

La mayoría del aprendizaje automático no está modelando la construcción de todos modos … es una disputa de datos.

Siga la imagen a continuación y estará mucho mejor que cualquiera que se concentre en la construcción de modelos.

Comience aquí: el curso completo de Python para ingenieros de aprendizaje automático

Es gratis y es el mundo real.

Si planea incorporar Python en sus actividades de ciencia de datos, y le sugiero que lo haga, le recomendaría un curso práctico de Python.

El curso pasa por un proyecto del mundo real de manejo, análisis y visualización de datos climáticos históricos, y también tiene una variedad de ejercicios para trabajar con datos del censo de los EE.

También cubre los fundamentos de Python para aquellos que recién comienzan con el lenguaje.

Python paso a paso: construir un programa de análisis de datos

También existe este otro si desea aprender Hadoop, y este es gratuito: Big Data y Hadoop Essentials – Udemy

Le sugiero que enumere los temas que necesita cubrir y luego asista a los cursos. Según sus requisitos, puede seguir la siguiente infografía con los nombres de los temas, así como los libros y los cursos:

Lea mi respuesta a una pregunta similar La respuesta de Olumuyiwa Ibidunmoye a ¿Qué clases debo tomar para la estadística / ciencia de datos?

a continuación están los que uno debe tener un buen conocimiento si quiere convertirse en científico de datos
Idioma 1.R
2. D3.js, c3.js
3.Proficiencia en SAS, SPSS, MYSQL