¿Desde dónde empezar a aprender a convertirse en un científico de datos?

Dada la inmensidad de Data Science, siempre recomendó formar una base sólida. Por mi parte, creo firmemente en el dicho. “Más profundas las raíces, más altos crecen los árboles”. Matemáticas, estadísticas y programación forman la base de la ciencia de datos. Por lo tanto, a menudo se recomienda conocer estos temas en profundidad para formar una base sólida. Una vez que tenga suficiente experiencia en estos temas, puede ascender a un instituto para aprender ciencia de datos y aprender lo siguiente.

Fundación

• Python Básico, Intermedio y Avanzado
• Estadística, probabilidad y álgebra lineal
• Regresión lineal, series de tiempo y función de costo
• Análisis exploratorio de datos
• Tipos 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
• Cuentacuentos 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

1. El énfasis está más en la práctica y no solo en la teoría.
2. El proyecto se basa en enunciados de problemas relevantes de la industria y no en las tareas antiguas
3. Los aprendizajes y proyectos son colaborativos y se realizan en equipos.
4. 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!

¿Porque?

Bueno, porque hay una gran brecha de habilidades entre lo que la industria quiere y lo que hay en oferta. El sistema educativo se ha convertido en gran medida en un juego de negocios de solo vender certificados. Por lo tanto, no siempre es necesario confiar en las certificaciones. La información teórica se puede impartir fácilmente. ¡Pero lo que importa es la IMPLEMENTACIÓN!

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 …

Sugeriría comenzar con el aprendizaje de conceptos matemáticos como álgebra, probabilidad y estadística. MIT OCW tiene excelentes conferencias en video para todos estos temas. Después de aprenderlos a fondo, comience a aprender estructuras de datos para adquirir habilidades de codificación y acostumbrarse a las buenas prácticas de programación.

Luego, vaya al curso de aprendizaje automático en Coursera o cualquier otra plataforma de su elección. Para cambiar a python no tomará más de 3 a 4 días. Aprenda conceptos de aprendizaje automático especialmente supervisados. No solo aprenda a aplicarlos, también debe saber qué hay detrás de ellos para que pueda lograr una alta precisión en menos tiempo en sus modelos.

Después de eso, aprenda que los sistemas de administración de bases de datos como SQL o más avanzados son Hadoop y SaaS.

Todo lo mejor para el futuro.

Para comenzar a aprender habilidades de Data Scientist, le sugiero que comience con Big Data Hadoop y luego avance con otras tecnologías como Spark, R, etc. que se requieren para convertirse en Data Scientist.

Si no sabe si se necesitan habilidades para convertirse en un científico de datos perfecto, vea mi respuesta quora en el siguiente enlace:

La respuesta de Radhika K a ¿Qué habilidades necesito para ser un científico de datos en Google o Facebook?

Para comenzar a aprender Hadoop, vea el video introductorio de Big Data Hadoop a continuación para comenzar ahora:

Si planea aprenderlo en línea, le sugiero que continúe con DataFlair, ya que son uno de los principales proveedores del curso Hadoop y han ayudado a miles de personas a colocarse en las empresas de sus sueños en esta tecnología.

Detalles del curso Hadoop de DataFlair