Enfoque profesional: ¿Qué es la ciencia de datos?

Hoy en día, “big data”, “análisis” y similares son tendencias de moda. Y por una buena razón.

En 2012, HBR nombró a "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 a sí mismo un científico de datos?

¿Qué es la ciencia de datos?

Érase una vez, los científicos de datos estaban en su mayoría en el espacio académico. Ahora, con el aumento de la recopilación de grandes datos y la necesidad de análisis, los científicos de datos se han vuelto muy demandados en una gran variedad de empresas e industrias, grandes y pequeñas.

La ciencia de datos como profesión incorpora una serie de habilidades dentro de las matemáticas, estadísticas y programación de computadoras. Es una industria dominada por hombres, las estimaciones de mujeres en la ciencia de datos son alrededor del 10%.

Según Glassdoor, el salario nacional promedio para los científicos de datos es de $ 113,436. Solo con 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 llenar posiciones de ciencia de datos dependen de la compañía individual.

Pero hay ciertas habilidades / herramientas de software que permanecen consistentes.

• Lenguajes de programación estadística, como R y SAS.
• Lenguaje de consulta de bases de datos como SQL
• Estadísticas básicas tales como pruebas estadísticas, distribuciones, estimadores de máxima verosimilitud, etc.
• Métodos de aprendizaje automático tales 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 de 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:

• Autoaprendizaje a través de programas como Udacity.
• Asistir a un campamento de entrenamiento de ciencia de datos
• Ir a la escuela de posgrado para una maestría

Por supuesto, hay ventajas y desventajas en cada método.

Autoestudio

Pros:

• Conveniente: se puede hacer en su propio tiempo en cualquier entorno y a cualquier ritmo
• Asequible: podría costar entre $ 0-600.
• Ahorra tiempo: los cursos en línea se pueden completar dentro de 8-18 meses.

Contras:

• Sólo recibir un certificado después de la finalización
• Sin participación de igual a igual o de maestro a alumno
• No hay ayuda con la búsqueda de empleo.

Boot Camp de Data Science

Pros:

• Compromiso de poco tiempo: se puede completar en 6 semanas a 3 meses
• Relativamente asequible, al menos en comparación con la obtención de un título de 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 una vez completado

Contras:

• Solo obtenga una cartera de proyectos, sin experiencia laboral "real"
• Mucho para aprender en poco tiempo.
• Puede ser de hasta 40 horas a la semana de trabajo (a diferencia del autoaprendizaje donde puedes ir a tu propio ritmo y aún trabajar medio tiempo / tiempo completo)

Maestría

Pros:

• Diploma al finalizar
• Aprendizaje estructurado con instructores capacitados profesionalmente.
• Experiencia en el mundo real: muchos programas incluyen pasantías que agregarán experiencia y conocimiento.
• Tiempo suficiente para aprender y absorber toda la información.

Contras:

• Caro: podría costar entre $ 20,000 y $ 70,000, sin incluir los gastos de manutención
• Requiere mucho tiempo: también puede tomar el más largo (9-20 meses)