Leia isto antes de mudar de carreira para ciência de dados - KDnuggets

Republicado por Platão

seguidores: 0

Leia isto antes de mudar de carreira para ciência de dados
Imagem do autor

Você está lendo isso porque está pensando em se juntar às fileiras dos aspirantes a cientistas de dados. E quem pode culpar você? A ciência de dados é um campo em crescimento, mesmo uma década após o agora infame prêmio de “trabalho mais sexy” da Harvard Business Review. O Bureau of Labor Statistics dos EUA atualmente prevê a taxa de emprego dos cientistas de dados crescerá 35% entre 2022 e 2032. Compare isso com a taxa média de crescimento do emprego, que é de apenas 5%.

Tem outras coisas a seu favor:

É bem pago (novamente, o BLS encontrado um salário médio de US$ 103 mil em 2022)
Vem com uma alta qualidade de vida (felicidade relacionada ao trabalho acima da média segundo para o Explorador de Carreira)
Há segurança no emprego, apesar da recente ronda de demissões – porque há muita demanda pela função

Portanto, há muitos motivos para querer entrar em campo.

Leia isto antes de mudar de carreira para ciência de dados
Fonte: https://www.bls.gov/ooh/math/data-scientists.html

Mas a ciência de dados é um campo muito amplo, com muitos cargos e conjuntos de habilidades diferentes que você precisa conhecer antes de começar. Este artigo irá guiá-lo pelas várias direções que você pode seguir e o que você precisa saber para cada uma delas para entrar na ciência de dados.

Para fazer uma transição bem-sucedida para um carreira em ciência de dados, you’ll need to follow a structured approach:

Avalie o seu habilidades de ciência de dados e identificar lacunas.
Obtenha experiência prática nas áreas onde você é fraco.
Rede. Participe de grupos de ciência de dados, participe de encontros e contribua em fóruns.

Vamos mergulhar mais fundo.

Avalie sua posição inicial

O que você já sabe e como pode ser aplicado na ciência de dados? Pense em: qualquer conhecimento de programação, habilidades estatísticas ou experiência em análise de dados que você tenha.

Em seguida, identifique as lacunas nas suas competências, especialmente aquelas essenciais para a ciência de dados. SQL é uma necessidade real, mas a programação Python ou R, estatísticas avançadas, aprendizado de máquina e visualização de dados também são extremamente benéficas.

Once you’ve pinpointed these gaps, seek relevant education or training to fill them. This could be through online courses, university programs, bootcamps, or self-study, with a focus on practical, hands-on learning.

Experiência pessoal

Você não deve apenas assistir a vídeos e ler postagens de blogs. A experiência prática é crucial na ciência de dados. Envolva-se em projetos que lhe permitam aplicar suas novas habilidades em cenários do mundo real. Podem ser projetos pessoais, contribuições para plataformas de código aberto ou participação em competições de dados como as do Kaggle.

Se você tiver algumas habilidades básicas para começar, considere procurar estágios ou trabalho freelance para ganhar experiência no setor.

Mais importante ainda, documente todos os seus projetos e experiências em um portfólio, destacando seu processo de resolução de problemas, as técnicas usadas e o impacto do seu trabalho.

Network

Entrar na ciência de dados geralmente se resume a quem você conhece, além do que você sabe. Encontre mentores, participe de encontros, conferências e workshops para aprender sobre novas tendências e participe de comunidades online de ciência de dados como Stack Overflow, GitHub ou Reddit. Essas plataformas permitem que você aprenda com outras pessoas, compartilhe seu conhecimento e seja notado na comunidade de ciência de dados.

Se você quiser torne-se um cientista de dados do zero, faz sentido pensar nas habilidades que você precisará desenvolver como uma árvore. Existem habilidades “principais” que são comuns a todos os trabalhos de ciência de dados e, então, cada especialidade possui habilidades “filiais” que continuam se ramificando em funções cada vez mais especializadas.

Existem três habilidades principais que todo cientista de dados precisa, não importa a direção que tome:

Manipulação/organização de dados usando SQL

A ciência de dados basicamente se resume ao manuseio e organização de grandes conjuntos de dados. Para fazer isso, você precisa conhecer SQL. Isso é que o ferramenta essencial para manipulação e disputa de dados.

Leia isto antes de mudar de carreira para ciência de dados
Imagem do autor

Habilidades interpessoais

A ciência de dados não acontece no vácuo. Você precisa ser gentil com os outros, o que significa aprimorar suas habilidades interpessoais. Ser capaz de comunicar descobertas de dados complexos de maneira clara e compreensível às partes interessadas não técnicas é tão importante quanto as habilidades técnicas. Isso inclui comunicação eficaz, solução de problemas e visão de negócios.

A resolução de problemas ajuda a enfrentar desafios complexos de dados, enquanto a visão de negócios garante que as soluções baseadas em dados estejam alinhadas com os objetivos organizacionais.

Atitude de Aprendizagem Constante

A ciência de dados é diferente de onde era há cinco anos. Basta ver onde estamos hoje com a IA em comparação com 2018. Existem novas ferramentas, técnicas e teorias emergindo constantemente. É por isso que você precisa de uma mentalidade de aprendizado contínuo para se manter atualizado com os desenvolvimentos mais recentes e se adaptar às novas tecnologias e metodologias da área.

Você precisará de automotivação para aprender e se adaptar, bem como de uma abordagem proativa para adquirir novos conhecimentos e habilidades.

Embora existam habilidades comuns, conforme descrevi acima, cada função exige seu próprio conjunto de habilidades específicas. (Lembra? Ramos.) Por exemplo, análise estatística, habilidades de programação em Python/R e visualização de dados são específicos para trabalhos mais especializados em ciência de dados.

Leia isto antes de mudar de carreira para ciência de dados
Imagem do autor

Vamos detalhar cada função adjacente à ciência de dados para que você possa ver o que precisa.

Analista de Negócios/Dados

Sim, esta é uma função de ciência de dados! Mesmo que os pessimistas discordem, ainda acredito que você pode tratá-lo como um trampolim, no mínimo, se quiser entrar na carreira de ciência de dados.

Como analista de negócios ou de dados, você é responsável por preencher a lacuna entre os insights de dados e a estratégia de negócios. É perfeito para quem tem talento para entender as necessidades de negócios e traduzi-las em soluções baseadas em dados.

Como habilidades básicas, você precisará inteligência de negócios – sem surpresas –, fortes habilidades analíticas, proficiência em linguagens de consulta de dados, predominantemente SQL. Nessa função, Python e R são opcionais porque a tarefa principal é a disputa de dados.

Há um componente de visualização mas dependendo do seu trabalho, pode significar a criação de painéis no Tableau ou gráficos no Excel.

Análise de Dados

Esta função se concentra na interpretação de dados para fornecer insights acionáveis. É um ótimo trabalho para você se você gosta de traduzir números em histórias e estratégias de negócios.

Você precisará de um controle firme análise estatística e visualização de dados – embora, novamente, possam ser painéis do Tableau e/ou gráficos do Excel). Você também precisará de proficiência em ferramentas de análise como Excel, Tableau e SQL. Python/R são mais uma vez opcionais, mas lembre-se de que eles podem realmente ajudar na implementação de estatísticas e automação.

Machine Learning

Cientistas de aprendizado de máquina desenvolvem modelos e algoritmos preditivos para fazer previsões ou decisões baseadas em dados. Essas funções são adequadas para aqueles que têm grande interesse em IA e construção de modelos.

Não há surpresas quanto às habilidades básicas: você precisará de um profundo conhecimento de algoritmos, experiência com estruturas de aprendizado de máquina como TensorFlow e PyTorch e fortes habilidades de programação. Python e/ou R não são mais opcionais, mas obrigatórios.

Engenharia de Dados

Essa função faz com que você se concentre na arquitetura, no gerenciamento e na manutenção de pipelines de dados. É ideal para pessoas que gostam dos desafios técnicos de gerenciamento e otimização do fluxo e armazenamento de dados.

Para entrar neste trabalho, você precisará de eexperiência em gerenciamento de banco de dados, processos ETL e proficiência em tecnologias de big data como Hadoop e Spark. Você também vai precisar proficiência em automação de pipeline de dados usando tecnologias como Airflow.

Business Intelligence

Em business intelligence, trata-se de construir visualizações. É ótimo para contadores de histórias e pessoas com forte senso de negócios.

Você precisará ser um profissional em tecnologias de dashboards, como Tableau e Qlik, já que essas são as ferramentas que você usará para criar suas visualizações. Você também precisará de habilidades de manipulação de dados (leia-se: habilidades de SQL) para ajudar a otimizar consultas de dados que agilizam o desempenho do painel.

Como mencionei anteriormente neste artigo, a ciência de dados é um campo em rápida evolução. Novos empregos e funções estão sendo abertos o tempo todo. Voltando à minha analogia com a árvore, gosto de pensar nela como novos ramos sendo adicionados ao tronco principal da ciência de dados. Agora existem engenheiros de nuvem, especialistas em SQL, funções de DevOps e muito mais – todos ainda conectados a essa área de ciência de dados. Portanto, este artigo fornece apenas um breve resumo das direções que você pode seguir com a ciência de dados.

Mais do que isso, você também deve lembrar que a ciência de dados traz desafios associados ao salário de seis dígitos. Há uma curva de aprendizado muito acentuada e o aprendizado nunca termina. Novas tecnologias, tendências e ferramentas surgem de forma rápida e difícil – e se você quiser manter seu emprego, terá que acompanhá-lo.

Dito isso, é uma ótima opção de carreira. Com as três principais competências que mencionei, você estará bem equipado para assumir qualquer função da ciência de dados que te atrai.

Nate Rosidi é cientista de dados e em estratégia de produto. Ele também é professor adjunto ensinando análise e é o fundador da StrataScratchGenericName, uma plataforma que ajuda os cientistas de dados a se prepararem para suas entrevistas com perguntas reais das principais empresas. Conecte-se com ele em Twitter: StrataScratch or LinkedIn.