¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?

Reeditado por Platón

seguidores: 0

¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?
Creador de imágenes de Bing

Si no tiene experiencia en ciencias de la computación, sabe la cantidad de trabajo que implica obtener un trabajo en el mundo de la ciencia de datos. Las oportunidades de la ciencia de datos requieren mucha gente, pero dado que la ciencia de datos es tan nueva en el mundo (¡no ha pasado más de una década!), hay muy pocas personas que estén orgánicamente calificadas para ser científicos de datos según las normas de el mundo corporativo.

Esta industria grita crecimiento y oportunidad y esa es una de las razones principales por las que alguien querría hacer la transición al mundo de la ciencia de datos aunque provenga de un entorno muy diferente.

Nota: Soy uno de los pocos que saben que Data Science puede funcionar para alguien, no con experiencia en informática y espero que este artículo lo ayude a encontrar la orientación que necesita para impulsar su viaje.

¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?

En este artículo, repasaremos cómo debe abordar la ciencia de datos como una transición de carrera basada en tres segmentos diferentes:

Para alguien que tiene nunca tocó ningún tema estrechamente relacionado con la ciencia de datos en la Universidad.
para alguien de una experiencia que no sea informática pero con un par de temas relevantes relacionados con la ciencia de datos ¿Y quién quiere ser científico de datos, por qué no?

Para alguien que ha sido trabajando en una industria durante mucho tiempo pero ahora quiere cambiar al fascinante y desalentador mundo de la ciencia de datos.

Nota: Las opiniones en este artículo son solo mías, siéntase libre de tener su propia opinión o enfoque hacia la transición. Te deseo lo mejor.

Entremos en ello.

Etapa I: no estás muy relacionado con la ciencia de datos, pero quieres entrar en ella.

Bueno, en este caso, diría que el único esfuerzo que harás es mental y necesita mucha paciencia. No hay duda de que Data Science es un tema muy técnico e involucra muchos números.

PS Intente verificar esto primero, para identificar cuál es el camino a seguir para triunfar en Data Science. ¡Luego puede seguir adelante y comprender las cosas que debe tener en cuenta para acelerar su viaje!

Empieza aqui:

¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?

Cosas a tener en cuenta en este caso:

Data Science es como cualquier otro tema, siempre puede comenzar a aprenderlo cuando encuentre el tiempo.
Siempre es lo suficientemente temprano, nunca demasiado tarde para empezar.
Data Science es una combinación de informática, estadística, matemáticas de nivel universitario, mucho pensamiento lógico y lenguajes de programación con otras herramientas que puede usar.
Traza tu habilidad en cada uno de los dominios (o en particular en el que quieres ser profesional) y continúa aprendiendo más sobre cada uno.
Si desea ingresar a la analítica, impulse su conocimiento de estadísticas y también la limpieza de datos, etc. (aprenda Excel tanto como pueda, es una bendición para el análisis en pequeños conjuntos de datos y la mejor herramienta para empezar)
Para Data Viz, intente aprender Tableau, PowerBI, etc. pero, al mismo tiempo, comprenda cómo funcionan las visualizaciones y cómo puede crear mejores imágenes y tableros.
Principalmente durante los primeros 2 meses de su aprendizaje, concéntrese en aprender estos en el mismo orden: Excel, SQL, Tableau y, si el tiempo lo permite, los conceptos básicos de Python.

¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?

Con esto, puede pasar a la etapa II y continuar aprendiendo desde allí.

Nota: Tomará tiempo si es nuevo en Data Science, así que solo debe ser paciente y confiar en el proceso. ¡Funcionará!

Etapa II: ha estado relacionado con algunos temas en Data Science pero no ha estado completamente involucrado.

Esta fue una etapa similar a la mía y te puedo decir que cuesta bastante estudiar Data Science. Depende de muchos factores, como verá eventualmente, pero no es muy difícil con la forma en que el mundo ha estado abriendo puertas para el aprendizaje de código abierto y ofreciendo conocimiento a cualquiera que lo desee (incluso si provienen de un mundo que no es de CS). fondo).

Cosas a tener en cuenta en este caso:

La ciencia de datos es un campo difícil si tratas de verlo como un todo. Simplemente comience a ver cada componente en el que desea enfocarse como piezas del gran rompecabezas, y estará bien.
Si desea detenerse en el lado de Data Viz de Data Science, concéntrese en comprender cómo funcionan los paneles y las conexiones de datos y aprenda a contar historias de datos.
Para alguien que quiera ingresar al aprendizaje automático, intente comprender cómo trabajar con Python o R, si opta por Python: aprenda bibliotecas como NumPy, Pandas, Scikit Learn, SciPy, Matplotlib y Seaborn.
Comprenda el concepto teórico detrás de ML para también dar más sentido a sus algoritmos. Debería tomar tiempo, pero comprender el proceso es más importante que codificar un algoritmo ML de alto grado.
Si desea impulsar su lado analítico, aprenda estadísticas inferenciales y comprenda cómo se pueden usar los datos para crear soluciones basadas en datos. Aprenda a trabajar con datos que no están estructurados y limpie tantos conjuntos de datos como sea posible.
Vaya más allá de los comandos CRUD normales en SQL para comprender perfectamente cómo funcionan los JOINS y cómo trabajar con MySQL/PostgreSQL. Si desea impulsarlo con Excel, aprenda cómo usar el paquete de herramientas de análisis de datos y cómo hacer macros.
Comprenda cómo funcionan los datos de series temporales y sepa cómo extraer datos de fuentes y hacer pronósticos de series temporales para impulsar su aprendizaje.

¿Cómo hacer la transición a la ciencia de datos desde un trasfondo diferente?

La mayoría de las veces, usted será una de las masas que aprenderá muchas herramientas y dominará todo en un nivel intermedio.

Le recomiendo encarecidamente que encuentre su nicho y avance en él. Con la cantidad de conocimiento y competencia que hay en el mundo de la ciencia de datos, intente encontrar su nicho y asegúrese de encontrar su marca en la competencia con sus habilidades únicas.

Etapa III: ¡Ya eres un profesional en una industria pero quieres comenzar en Data Science ahora!

Hay personas que conozco que han estado en posiciones increíbles en su vida antes de decidir que quieren ser parte de Data Science. Es natural querer cambiar de carrera después de mucho tiempo de trabajar en una industria en particular y hay algunas cosas que he obtenido de personas que conozco que han estado en una posición similar y pueden ayudarlo en este caso.

Cosas a tener en cuenta en este caso:

Una vez que sea un profesional en una industria en particular, puede ser debido a un cambio en las opciones de vida o a la demanda de mejorar sus habilidades, lo que lo lleva a la ciencia de datos.
En cualquier caso, los roles gerenciales en Data Science estarían más contentos de tener a alguien con una gran exposición corporativa en la industria.
Mejorar las habilidades en ciencia de datos con su conocimiento existente en una industria puede ser una de las mejores cosas que pueden suceder con su transición profesional. La ciencia de datos, aunque juega con las ciencias de la computación y también con las herramientas y técnicas, se basa en gran medida en el conocimiento del dominio.
Con suficiente conocimiento del dominio, puede ser un científico de datos en su campo aprovechando el poder de los datos para más de lo que ya se está haciendo.
Las métricas y los KPI específicos de la industria se pueden desarrollar y automatizar aún más con Data Science y también pueden abrirle nuevas puertas.
Con el conocimiento adicional de las herramientas de ciencia de datos en su arsenal, puede convertirse en capacitador en su campo y ayudar a los científicos de datos en ciernes. Las posibilidades son ilimitadas.
Las herramientas y habilidades para aprender en esta etapa son las mismas que se estaban haciendo en la Etapa I y la Etapa II mencionadas anteriormente en este artículo.

En cualquier caso, es mejor aprender ciencia de datos y ceñirse a su campo de profesión debido a la forma en que el mundo está haciendo la transición hacia la ciencia de datos hoy en día. Todo lo que hace, puede y tiene datos involucrados, y usarlos en su toma de decisiones, solo hará que sus decisiones sean mucho mejores.

Es difícil hacer la transición al mundo de la ciencia de datos no porque sea difícil conseguir un trabajo, sino porque hay mucha gente compitiendo por ello. Las oportunidades las ve todo el mundo y la gente sabe que -los datos son el futuro- y también lo es la ciencia de datos.

Para cualquiera que ya tenga experiencia inmediata en Data Science, permanezca atento, tendré otra parte de este artículo en la que discutiremos cómo puede pasar de profesional a experto en Data Science.

Yash Gupta es un entusiasta de la ciencia de datos y analista de negocios, escritor técnico independiente y bloguero en Medium.com. Está interesado en compartir el conocimiento de la ciencia de datos con una audiencia más amplia de una manera fácil de consumir. Desea compartir su conocimiento con todos los que disfrutan de los datos tanto como él. Intenta aprender algo nuevo todos los días y le encanta guiar a los entusiastas de los datos en ciernes en su viaje.

Original. Publicado de nuevo con permiso.