Como fazer a transição para a ciência de dados a partir de uma experiência diferente?

Republicado por Platão

seguidores: 0

Como fazer a transição para a ciência de dados a partir de um histórico diferente?
Criador de imagens do Bing

Se você não tem formação em ciências da computação, sabe a quantidade de trabalho que dá para conseguir um emprego no mundo da ciência de dados. As oportunidades de Data Science chamam muita gente, mas com Data Science sendo tão novo para o mundo (não mais de uma década se passou!), Existem muito poucas pessoas organicamente qualificadas para serem cientistas de dados de acordo com as normas de o mundo corporativo.

Esta indústria grita crescimento e oportunidade e essa é uma das principais razões pelas quais alguém gostaria de fazer a transição para o mundo da Ciência de Dados, embora venha de um histórico muito diferente.

Observação: Sou um dos poucos que sabe que Data Science pode funcionar para alguém, não com experiência em CS, e espero que este artigo ajude você a encontrar a orientação necessária para impulsionar sua jornada.

Como fazer a transição para a ciência de dados a partir de um histórico diferente?

Neste artigo, abordaremos como você deve abordar o Data Science como uma transição de carreira com base em três segmentos diferentes:

Para quem tem nunca tocou em nenhum assunto intimamente relacionado com Data Science na Faculdade.
Para alguém de um histórico não CS, mas com alguns assuntos relevantes relacionados à ciência de dados e quem quer ser um Cientista de Dados, por que não?

Para alguém que já foi trabalhando em uma indústria por muito tempo, mas agora quer mudar para o fascinante e assustador mundo da ciência de dados.

Observação: As opiniões neste artigo são apenas minhas, sinta-se à vontade para ter sua própria opinião ou abordagens para a transição. Desejo-lhe o melhor.

Vamos direto ao assunto.

Estágio I: você não está intimamente relacionado com a ciência de dados, mas deseja entrar nela.

Bom, nesse caso, eu diria que o único esforço que você vai fazer é mental e precisa de muita paciência. Não há dúvida de que Data Science é um assunto muito técnico e envolve muitos números.

PS Tente verificar isso primeiro, para identificar qual é o caminho a seguir para se tornar grande em Data Science. Você pode então seguir em frente e entender as coisas que precisa observar para acelerar sua jornada!

Começa aqui:

Como fazer a transição para a ciência de dados a partir de um histórico diferente?

Coisas a observar neste caso:

Data Science é como qualquer outro assunto, você sempre pode começar a aprender sempre que encontrar tempo.
Sempre é cedo o suficiente, nunca é tarde demais para começar.
Data Science é uma combinação de ciências da computação, estatística, matemática de nível universitário, muito pensamento lógico e linguagens de programação com outras ferramentas que você pode usar.
Faça um gráfico de sua habilidade em cada um dos domínios (ou particularmente naquele em que você deseja se profissionalizar) e continue aprendendo mais sobre cada um.
Se você quiser entrar em análise, empurre seu conhecimento de estatística e também limpeza de dados, etc. (aprenda Excel o máximo que puder, é uma bênção para análises em pequenos conjuntos de dados e a melhor ferramenta para começar)
Para Data Viz, tente aprender Tableau, PowerBI, etc. mas, ao mesmo tempo, entenda como as visualizações funcionam e como você pode criar melhores visuais e painéis.
Principalmente nos primeiros 2 meses de seu aprendizado, concentre-se em aprendê-los na mesma ordem - Excel, SQL, Tableau e, se o tempo permitir, noções básicas de Python.

Como fazer a transição para a ciência de dados a partir de um histórico diferente?

Com isso, você pode passar para o estágio II e continuar aprendendo a partir daí.

Nota: Levará algum tempo se você for novo no Data Science, portanto, seja paciente e confie no processo. Vai dar certo!

Estágio II: Você já se relacionou com algumas disciplinas em Ciência de Dados, mas não se interessou por completo.

Essa foi uma etapa parecida com a minha e posso te dizer, que dá muito trabalho estudar Data Science. Depende de muitos fatores, como você verá eventualmente, mas não é muito difícil com a forma como o mundo vem abrindo portas para o aprendizado de código aberto e oferecendo conhecimento a qualquer um que o deseje (mesmo que venha de um não-CS fundo).

Coisas a observar neste caso:

Data Science é um campo difícil se você tentar olhar para ele como um todo. Basta começar a ver todos os componentes nos quais deseja se concentrar como peças do grande quebra-cabeça e você ficará bem.
Se você quiser se aprofundar no lado do Data Viz da Data Science, concentre-se em entender como funcionam os painéis e as conexões de dados e aprenda a contar histórias de dados.
Para quem quer entrar no Machine Learning, tente entender como trabalhar com Python ou R, se você for com Python - aprenda bibliotecas como NumPy, Pandas, Scikit Learn, SciPy, Matplotlib e Seaborn.
Entenda o conceito teórico por trás do ML para também entender melhor seus algoritmos. Deve levar tempo, mas entender o processo é mais importante do que codificar um algoritmo de ML de alto nível.
Se você deseja impulsionar seu lado analítico - aprenda Estatística Inferencial e entenda como os dados podem ser usados para criar soluções baseadas em dados. Aprenda a trabalhar com dados não estruturados e limpar o maior número possível de conjuntos de dados.
Vá além dos comandos CRUD normais em SQL para entender perfeitamente como funciona o JOINS e como trabalhar com o MySQL/PostgreSQL. Se você quiser empurrá-lo com o Excel, aprenda como usar o Data Analysis Toolpak e como fazer Macros.
Entenda como os dados de séries temporais funcionam e saiba como extrair dados de fontes e fazer previsões de séries temporais para impulsionar seu aprendizado.

Como fazer a transição para a ciência de dados a partir de um histórico diferente?

Na maioria das vezes, você será uma das massas que aprenderá muitas ferramentas e entenderá tudo em um nível intermediário.

Eu recomendo que você encontre seu nicho e avance nele. Com a quantidade de conhecimento e competição existente no mundo da ciência de dados, tente encontrar seu nicho e certifique-se de encontrar sua marca na competição com suas habilidades únicas.

Estágio III: você já é um profissional em um setor, mas deseja começar em Data Science agora!

Conheço pessoas que estiveram em posições incríveis em suas vidas antes de decidirem fazer parte da Ciência de Dados. É natural querer mudar de carreira depois de muito tempo trabalhando em um determinado setor e há algumas coisas que obtive de pessoas que conheço que estiveram em uma posição semelhante e podem ajudá-lo neste caso.

Coisas a observar neste caso:

Uma vez que você é um profissional em um determinado setor, pode ser por causa de uma mudança nas escolhas de vida ou uma demanda por qualificação, que o leva ao Data Science
De qualquer forma, as funções de gerenciamento em Data Science ficariam mais felizes em ter alguém com forte exposição corporativa no setor
O aprimoramento em Data Science com seu conhecimento existente em um setor pode ser uma das melhores coisas que podem acontecer com sua transição de carreira. A Ciência de Dados, ao jogar com as Ciências da Computação e também com as ferramentas e técnicas, depende muito do conhecimento do domínio.
Com conhecimento de domínio suficiente, você pode ser um cientista de dados em seu campo, aproveitando o poder dos dados para mais do que já está sendo feito
KPIs e métricas específicos do setor podem ser desenvolvidos e automatizados com Data Science e podem abrir novas portas para você também.
Com o conhecimento adicional das ferramentas de ciência de dados em seu arsenal, você pode se tornar instrutores em seu campo e ajudar cientistas de dados iniciantes. As possibilidades são ilimitadas.
As ferramentas e habilidades a serem aprendidas neste estágio são as mesmas que foram feitas no Estágio I e no Estágio II mencionados anteriormente neste artigo.

De qualquer forma, é melhor aprender ciência de dados e se ater ao seu campo de profissão devido à maneira como o mundo está fazendo a transição para a ciência de dados hoje. Tudo o que você faz, pode e tem dados envolvidos, e usar isso em sua tomada de decisão, apenas tornará suas decisões muito melhores.

É difícil fazer a transição para o mundo da ciência de dados não porque seja difícil conseguir um emprego, mas porque há tantas pessoas competindo por isso. As oportunidades são vistas por todos e as pessoas sabem que -Data é o futuro- e Data Science também.

Para quem já tem habilidade imediata em Data Science, fique ligado, terei outra parte deste artigo em breve, onde discutiremos como você pode passar de profissional a especialista em Data Science.

Yash Gupta é um entusiasta da ciência de dados e analista de negócios, redator técnico freelancer e blogueiro no Medium.com. Ele está interessado em compartilhar conhecimento de ciência de dados com um público maior de uma maneira fácil de consumir. Ele deseja compartilhar seu conhecimento com todos que gostam de dados tanto quanto ele. Ele tenta aprender algo novo todos os dias e adora orientar os entusiastas de dados iniciantes em suas jornadas.

Óptimo estado. Original. Republicado com permissão.