Carrera profesional: científico de datos
Contenido
- ¿Qué es la ciencia de datos?
- Habilidades necesarias para ser un científico de datos
- Cómo convertirse en un científico de datos
- Autoestudio
- Data Science Boot Camp
- Maestría
Hoy en día, "big data", "análisis" y similares son tendencias populares. Y por una buena razón.
En 2012, HBR nombró al "científico de datos" como el "trabajo más sexy del siglo". Pero, ¿qué implica realmente la ciencia de datos? Y lo que es más importante, ¿cómo puede adquirir las habilidades necesarias para llamarse científico de datos?
¿Qué es la ciencia de datos?
Érase una vez, los científicos de datos se encontraban principalmente en el espacio académico. Ahora, con el aumento de la recopilación de grandes datos y la necesidad de análisis, los científicos de datos han tenido una gran demanda en una variedad de empresas e industrias, pequeñas y grandes.
La ciencia de datos como profesión incorpora una gama de habilidades dentro de las matemáticas, las estadísticas y la programación de computadoras. Es una industria dominada por hombres; Las estimaciones de las mujeres en la ciencia de datos son de alrededor del 10%.
Según Glassdoor, el salario nacional promedio para los científicos de datos es de $ 113,436. Mirando solo la compensación, la ciencia de datos es mucho más atractiva que otras carreras similares.
Habilidades necesarias para ser un científico de datos
Al igual que todos los trabajos, las habilidades específicas requeridas para ocupar puestos de ciencia de datos dependen de la compañía individual.
Pero hay ciertos conjuntos de habilidades / herramientas de software que permanecen consistentes.
- Lenguajes de programación estadística, como R y SAS
- Lenguaje de consulta de base de datos como SQL
- Estadísticas básicas como pruebas estadísticas, distribuciones, estimadores de máxima verosimilitud, etc.
- Métodos de aprendizaje automático como k-vecinos más cercanos, bosques aleatorios, métodos de conjunto, etc.
- Cálculo multivariable y álgebra lineal.
- Registro de datos y desarrollo de nuevos productos basados en datos.
- Familiaridad con las plataformas Hadoop
- Herramientas de visualización como Flare, HighCharts o AmCharts
Cómo convertirse en un científico de datos
Hoy en día, hay tres opciones viables para convertirse en un científico de datos:
- Autoestudio a través de programas como Udacity
- Asistir a un campo de entrenamiento de ciencia de datos
- Ir a la escuela de posgrado para obtener una maestría
Por supuesto, hay ventajas y desventajas de cada método.
Autoestudio
Pros:
- Conveniente: se puede hacer a su propio ritmo en cualquier entorno y a cualquier ritmo.
- Asequible: puede costar entre $ 0 y 600.
- Ahorra tiempo: los cursos en línea se pueden completar dentro de ocho a 18 meses.
Contras:
- Solo reciba un certificado después de la finalización
- Sin participación entre pares o entre maestros y alumnos
- No ayuda con la búsqueda de empleo.
Data Science Boot Camp
Pros:
- Poco compromiso de tiempo: se puede completar en seis semanas a tres meses
- Relativamente asequible, al menos en comparación con la obtención de una maestría (los campamentos de entrenamiento van desde gratis - $ 16,000)
- Ideal para aquellos que buscan cambiar de carrera rápidamente
- Muchos campamentos de entrenamiento ofrecen asistencia en el proceso de búsqueda de empleo después de la finalización.
Contras:
- Solo obtenga una cartera de proyectos, sin experiencia laboral "real"
- Mucho que aprender en poco tiempo
- Podría ser de hasta 40 horas a la semana de trabajo (a diferencia del autoestudio, donde puede ir a su propio ritmo y seguir trabajando a tiempo parcial o completo)
Maestría
Pros:
- Diploma al finalizar
- Aprendizaje estructurado con instructores capacitados profesionalmente.
- Experiencia del mundo real: muchos programas incluyen pasantías que se sumarán a la experiencia y al conocimiento.
- Tiempo suficiente para aprender y absorber toda la información.
Contras:
- Caro: podría costar entre $ 20,000- $ 70,000 - sin incluir gastos de manutención
- Consume mucho tiempo: también puede llevar más tiempo (de nueve a 20 meses)