Voy a decir lo mismo que escribí en una respuesta hace aproximadamente una hora aquí:
La respuesta de Tinashe Michael Tapera a ¿Puedo convertirme en un científico de datos con maestría en lingüística computacional?
Cada campo tiene algunos datos involucrados. Y como tal, cada campo puede tener especialistas cuyo trabajo es trabajar de cerca y comprender el comportamiento de los datos. Tales especialistas son, en cierto sentido, ya científicos de datos.
- ¿Cuál es el futuro de Data Scientist en India?
- ¿Cómo utiliza Lumosity la ciencia de datos?
- ¿Cuánto tiempo lleva convertirse en científico de datos?
- ¿Cómo aprender adecuadamente sobre big data y cursos para convertirse en un científico de datos? Por encima de eso, qué idiomas son imprescindibles para convertirse en un científico de datos profesional
- ¿Los mejores científicos de datos tienen una maestría en Estadística o CS?
Lo que diferencia a un estadístico, a un bioinformático, a un investigador clínico, a un analista de inteligencia empresarial, a un lingüista computacional, a un psicometrista, a un físico aplicado es que las herramientas y la aplicación son distintas (y el nivel de intensidad del análisis de datos, por supuesto). De lo contrario, los entornos a menudo pueden ser muy similares: usted es alguien que se especializó a propósito en el uso de herramientas y enfoques cuantitativos y computacionales avanzados para comprender y utilizar sus datos.
Si eres tú, entonces ya eres un científico de datos en mi opinión . Si lo que está buscando es la prestigiosa etiqueta y salario que viene con el título de ” científico de datos en [inserte la empresa de inicio / tecnología aquí] “, entonces es mejor que examine las herramientas que usan y se apropien de ellas.
Cuando llegue a esta conclusión, la pregunta ahora es si quiere o no eso, o si desea continuar siendo un científico de datos en el campo de uso intensivo de datos en el que ya funciona bien. Podrías seguir siendo un científico de datos en Física Aplicada; trabajando en estrecha colaboración con los datos para aportar información sobre el terreno; utilizando algoritmos avanzados y herramientas cuantitativas para analizar sus datos; sacar conclusiones importantes e invisibles de sus hallazgos; Al ser un solucionador de problemas e investigador, estas son cualidades suaves de las personas altamente cuantitativas y exploratorias, tanto en física aplicada como en ciencia de datos. Pero si solo quiere contratar a una nueva empresa, descubra qué herramientas y habilidades, cualidades difíciles, están contratando. Realmente creo que será simplemente una cuestión de volver a aprender lo que ya sabes, en un conjunto diferente de herramientas y máquinas. ¿Vale la pena? Depende de ti, amigo.
Vea en mi blog: Probablemente ya sea un científico de datos … por Tinashe Michael Tapera en Data Intensive