Existen diferentes tipos de científicos de datos. En varios análisis de la industria, aparece un tipo de “experto en visualización de datos”. Ver aquí, por ejemplo: Seis categorías de científicos de datos.
Dicho esto, las diversas posiciones de la ciencia de datos suelen ser bastante genéricas. Probablemente no encontrará una posición de “experto en visualización”.
Creo que si tiene buenas habilidades de codificación y datos y puede demostrarlo:
- ¿Qué conlleva un ROI más alto: 9 semanas de un campo de arranque de codificación que conduce a un trabajo de desarrollo web, o un programa de dos años que conduce a una maestría en ciencia de datos (y, presumiblemente, a un trabajo de análisis)?
- ¿Cuáles son los buenos libros para 'científico de datos' y 'análisis de datos' para principiantes?
- ¿Deberían las personas importantes en matemáticas o estadísticas aprender sistemas distribuidos o diseño de bases de datos para ser un buen científico de datos?
- ¿Cuál es la naturaleza del trabajo que uno termina haciendo después de completar un curso de maestría como maestro de CMU de ciencia de datos computacionales u otros cursos de ciencias de datos?
- Cómo obtener el conjunto de habilidades necesarias para ser un científico de datos profesional con un sólido conocimiento del aprendizaje automático en 6-12 meses
- Compitiendo en kaggle
- Soporte / creación de software de código abierto en github
Podrá encontrar un trabajo como científico de datos junior. Solo busque las posiciones que requieren más análisis y visualización y menos codificación de grado de producción o big data.
Con respecto a las habilidades que mencionó, me parece que debería estar más centrado. No es necesario aprender tanto python como R. Hadoop es algo que los científicos de datos suelen utilizar, pero no siempre. Concéntrese en un idioma / plataforma y sea un experto en él. Es realmente fácil detectar quién lo está fingiendo.