¿Alguien puede aprender ciencia de datos?
Si quieres saber cómo convertirte en un científico de datos, entonces estás en el lugar correcto. He estado donde estás, y ahora quiero ayudar.
Hace una década, yo era sólo un graduado universitario con un título de historia. Entonces me convertí en un ingeniero de aprendizaje automático, consultor de ciencia de datos, y ahora CEO de Dataquest.
Si pudiera hacer todo de nuevo, seguiría los pasos que voy a compartir con ustedes en este artículo. Habría acelerado mi carrera, me habría salvado miles de horas, y habría evitado algunas canas.
El camino equivocado y correcto
Cuando estaba aprendiendo, traté de seguir varias guías de ciencia de datos en línea, pero terminé aburrido y sin ninguna habilidad real de ciencia de datos para mostrar para mi tiempo.
Los guías eran como un maestro en la escuela dándome un montón de libros y diciéndome que los leyera todos... un enfoque de aprendizaje que nunca me atraía. Fue frustrante y contraproducente.
Con el tiempo, me di cuenta de que aprendo más eficazmente cuando estoy trabajando en un problema en el que estoy interesado.
Y luego hizo clic.
En lugar de aprender una lista de verificación de habilidades en ciencia de datos, decidí centrarme en construir proyectos alrededor de datos reales. No sólo este método de aprendizaje me motivó, sino que también reflejó el trabajo que haría en un papel científico de datos real.
Este método aceleró mi aprendizaje, y yo estaba teniendo una explosión todo el tiempo.
He creado esta guía para ayudar a los aspirantes a científicos de datos que están en la misma posición en la que estaba. De hecho, por eso también creé Dataquest. Nuestro cursos de ciencias de los datos le llevará desde principiante a listo para el trabajo utilizando el código real en meses.
Sin embargo, una serie de cursos no es suficiente. Necesitas saber cómo pensar, estudiar, planificar y ejecutar eficazmente si quieres convertirte en un científico de datos. Esta guía utilizable contiene todo lo que necesitas saber.
Cómo convertirse en un científico de datos:
- Paso 1: Cuestionar todo
- Paso 2: Aprenda lo básico
- Paso 3: Construir proyectos
- Paso 4: Comparte tu trabajo
- Paso 5: Aprender de los demás
- Paso 6: Empuja tus límites
Ahora, vamos a repasar cada uno de estos uno por uno.
Paso 1: Cuestionar todo
El campo de la ciencia de los datos es atractivo porque se llega a responder preguntas interesantes utilizando datos y código reales. Estas preguntas pueden ir desde ¿Puedo predecir si un vuelo llegará a tiempo? a ¿Cuánto gasta EE.UU. por estudiante en educación?
Reflejar
Después de haber leído artículos durante unas semanas, reflexione sobre si le gustó venir con preguntas y contestarlas. Convertirse en un científico de datos es un largo camino, y es necesario ser muy apasionado por el campo para hacerlo todo el camino.
Los científicos de datos surgen constantemente con preguntas y respuestas utilizando modelos matemáticos y herramientas de análisis de datos.
Por lo tanto, si usted no disfruta del proceso de razonamiento sobre los datos y hacer preguntas, usted debe pensar en tratar de encontrar la superposición entre los datos y las cosas que disfruta.
Si carece de interés, analice las cosas que disfruta
Tal vez no le guste el proceso de plantear preguntas en abstracto, pero tal vez le guste analizar datos de salud o educación. Encuentra lo que te apasiona, y luego empieza a ver esa pasión con una mentalidad analítica.
Personalmente, estaba muy interesado en los datos del mercado de valores, lo que me motivó a construir un modelo para predecir el mercado.
Si quieres poner en los meses de trabajo duro necesario para aprender la ciencia de los datos, trabajar en algo que te apasiona te ayudará a mantener la motivación cuando enfrentas contratiempos.
Paso 2: Aprenda lo básico
Una vez que hayas descubierto cómo hacer las preguntas correctas, estás listo para empezar a aprender las habilidades técnicas necesarias para responderlas. Recomiendo aprender ciencia de datos estudiando los fundamentos de la programación en Python.
Python es un lenguaje de programación que tiene sintaxis consistente y a menudo se recomienda para principiantes. También es lo suficientemente versátil para la ciencia de datos extremadamente compleja y el trabajo relacionado con el aprendizaje automático, como el aprendizaje profundo o la inteligencia artificial utilizando big data.
Muchas personas se preocupan por qué lenguaje de programación elegir, pero aquí están los puntos clave para recordar:
- La ciencia de los datos se trata de responder a preguntas y de impulsar el valor empresarial, no de herramientas.
- Aprender los conceptos es más importante que aprender la sintaxis
- Construir proyectos y compartirlos es lo que vas a hacer en un papel real de la ciencia de los datos, y aprender de esta manera te dará una ventaja
Nota súper importante: El objetivo no es aprender todo; es aprender lo suficiente para empezar a construir proyectos.
La clave es aprender lo básico y empezar a responder algunas de las preguntas que se le ocurrió en los últimos artículos de navegación de las últimas semanas.
Paso 3: Construir proyectos
Como usted está aprendiendo los fundamentos de la codificación, usted debe comenzar a construir proyectos que respondan preguntas interesantes que mostrarán sus habilidades de ciencia de datos.
Los proyectos que construyes no tienen que ser complejos. Por ejemplo, usted podría analizar Ganadores del Super Bowl para encontrar patrones.
La clave es encontrar conjuntos de datos interesantes, hacer preguntas sobre los datos y luego responder a esas preguntas con código. Si necesitas ayuda para encontrar conjuntos de datos, echa un vistazo este post para una buena lista de lugares para encontrarlos.
Como usted está construyendo proyectos, recuerde que:
- La mayor parte del trabajo de ciencia de datos es la limpieza de datos.
- La técnica de aprendizaje automático más común es la regresión lineal.
- Todo el mundo empieza en alguna parte. Incluso si sientes que lo que estás haciendo no es impresionante, todavía vale la pena trabajar en ello.
Dónde encontrar ideas de proyectos
No sólo los proyectos de construcción le ayudan a practicar sus habilidades y entender el trabajo real de la ciencia de los datos, sino que también le ayuda a construir una cartera para mostrar a los empleadores potenciales.
Añadir complejidad del proyecto
Una vez que haya construido algunos proyectos más pequeños, es bueno encontrar un área de interés que sostenga una inmersión profunda.
Para mí, esto estaba tratando de predecir el mercado de valores. A medida que tus habilidades crecen, puedes complicar el problema añadiendo matices como precios minuto a minuto y predicciones más precisas. este artículo sobre proyectos Python para más inspiración.
Iniciar un blog sencillo
Junto con subir tu trabajo a GitHub, también deberías pensar en publicar un blog. Cuando estaba aprendiendo ciencia de datos, escribir posts de blog me ayudó a hacer lo siguiente:
- Capturar los intereses de los reclutadores
- Aprende conceptos más a fondo (el proceso de enseñar realmente te ayuda a aprender)
- Conéctese con sus pares
Estos son algunos buenos temas para los posts de blog:
- Explicación de los conceptos de ciencia y programación de datos
- Discutir sus proyectos y caminar a través de sus hallazgos
- Discutiendo cómo usted está aprendiendo la ciencia de los datos
Aquí hay un ejemplo de una visualización que hice en mi blog hace muchos años que muestra lo mucho que a cada personaje Simpson le gustan los otros:
Paso 5: Aprender de los demás
Después de que usted ha comenzado a construir una presencia en línea, es una buena idea para empezar a interactuar con otros científicos de datos. Usted puede hacer esto en persona o en comunidades en línea. Aquí están algunas buenas comunidades en línea:
Aquí en Dataquest, tenemos un comunidad en línea que los alumnos pueden utilizar para recibir comentarios sobre proyectos, discutir problemas difíciles relacionados con los datos y establecer relaciones con los profesionales de los datos.
Personalmente, fui muy activo en Quora y Kaggle cuando estaba aprendiendo, lo que me ayudó inmensamente. Participar en comunidades en línea es una buena manera de hacer lo siguiente:
- Encuentra a otras personas con las que aprender
- Mejora tu perfil y encuentra oportunidades
- Fortalezca su conocimiento aprendiendo de otros
También puede interactuar con la gente en persona a través de Meetups . El compromiso en persona puede ayudarle a conocer y aprender de científicos de datos más experimentados en su área.
Paso 6: Empuja tus límites
Las empresas quieren contratar científicos de datos que encuentren esas ideas críticas que les ahorran dinero o hacen a sus clientes más felices. Usted tiene que aplicar el mismo proceso al aprendizaje: siga buscando nuevas preguntas para responder, y siga respondiendo preguntas más difíciles y complejas.
Si usted mira hacia atrás en sus proyectos de hace un mes o dos, y usted no ve espacio para la mejora, usted probablemente no está empujando sus límites lo suficiente. Usted debe estar haciendo un progreso fuerte cada mes, y su trabajo debe reflejar eso.
Estas son algunas maneras de empujar sus límites y aprender la ciencia de los datos más rápido:
- Intente trabajar con un conjunto de datos más grande
- Iniciar un proyecto que requiere conocimiento que no tiene
- Intente hacer que su proyecto se ejecute más rápido.
- Enseña lo que hiciste en un proyecto a otra persona
¡Lo tienes!
Estudiar para convertirse en un científico de datos no es fácil, pero la clave es mantenerse motivado y disfrutar de lo que estás haciendo. Si usted está construyendo constantemente proyectos y compartirlos, usted construirá su experiencia y obtendrá el trabajo científico de datos que usted desea.
No les he dado una hoja de ruta exacta para el aprendizaje de la ciencia de los datos, pero si siguen este proceso, llegarán más lejos de lo que imaginaban. Cualquier persona puede convertirse en un científico de datos si usted está suficientemente motivado.
Después de años de frustrarse con cómo los sitios convencionales enseñaban la ciencia de los datos, creé Dataquest , una mejor manera de aprender la ciencia de los datos en línea. Dataquest resuelve los problemas de los MOOC, donde nunca sabes qué curso tomar a continuación, y nunca estás motivado por lo que estás aprendiendo.
Dataquest aprovecha las lecciones que he aprendido al ayudar a miles de personas a aprender ciencia de datos, y se centra en hacer que la experiencia de aprendizaje sea atractiva. En Dataquest, construirás docenas de proyectos, y aprenderás todas las habilidades que necesitas para ser un científico de datos exitoso. Los estudiantes de Dataquest han sido contratados en empresas como Accenture y SpaceX .
¡Buena suerte convirtiéndose en un científico de datos!
Aprenda las habilidades de los datos
Obtener ese próximo aumento o cambiar a una carrera en ciencias de datos mediante el aprendizaje de habilidades de datos.
Inscríbase para un cuenta libre ¡y prueba nuestros cursos interactivos en Python, R, SQL, y más!
Convertirse en un científico de datos — Preguntas frecuentes
¿Cuáles son las calificaciones de los científicos de datos?
Los científicos de datos necesitan tener un fuerte dominio de las habilidades técnicas relevantes, que incluirán programación en Python o R, escribir consultas en SQL, construir y optimizar modelos de aprendizaje automático, y a menudo algunas habilidades de “workflow” como Git y la línea de comandos.
Los científicos de datos también necesitan fuertes habilidades de resolución de problemas, visualización de datos y comunicación. Mientras que a un analista de datos a menudo se le dará una pregunta para responder, se espera que un científico de datos explore los datos y encuentre preguntas relevantes y oportunidades de negocio que otros pueden haber perdido.
Si bien es posible encontrar trabajo como científico de datos sin experiencia previa, trabajar primero como analista de datos antes de pasar a un papel de científico de datos es un camino más común para aspirantes a científicos de datos sin experiencia profesional relevante.
¿Cuáles son los requisitos educativos para un científico de datos?
La mayoría de los roles científicos de datos requerirán al menos un grado de licenciatura. Pueden preferirse títulos en campos técnicos como ciencias de la computación y estadísticas, así como títulos avanzados como doctorados y maestrías. Sin embargo, los grados avanzados generalmente no son estrictamente requeridos (incluso cuando dice que están en el puesto de trabajo).
Lo que más les preocupa a los empleadores es su conjunto de habilidades. Los solicitantes con títulos menos avanzados o técnicamente menos relevantes pueden compensar esta desventaja con una gran cartera de proyectos que demuestra sus habilidades y experiencia avanzadas haciendo trabajo relevante en ciencia de datos.
¿Qué habilidades se necesitan para convertirse en un científico de datos?
Los requisitos específicos pueden variar bastante de un trabajo a otro, y a medida que la industria madura, surgirán funciones más especializadas. En general, sin embargo, las siguientes habilidades son necesarias para prácticamente cualquier función de la ciencia de datos:
- Programación en Python o R
- SQL
- Probabilidad y estadísticas
- Construcción y optimización de modelos de aprendizaje automático
- Visualización de datos
- Comunicación
- Big data
- Minería de datos
- Análisis de datos
Cada científico de datos necesitará saber lo básico, pero un papel podría requerir una experiencia más profunda con Natural Language Processing (NLP), mientras que otro podría necesitar que usted construya algoritmos predictivos listos para la producción.
¿Es difícil convertirse en un científico de datos?
Sí, deberías esperar enfrentarte a desafíos en tu viaje para convertirte en un científico de datos. Este papel requiere habilidades de programación y conocimientos estadísticos bastante avanzados, además de fuertes habilidades de comunicación.
Cualquier persona puede aprender estas habilidades, pero usted necesitará motivación para empujarse a sí mismo a través de los momentos difíciles.
Elegir la plataforma y el enfoque adecuados para el aprendizaje también puede ayudar a facilitar el proceso.
¿Cuánto tiempo se tarda en convertirse en un científico de datos?
El tiempo que tarda en convertirse en un científico de datos varía de persona a persona. En Dataquest, la mayoría de nuestros estudiantes reportan alcanzar sus metas de aprendizaje en un año o menos. La duración del proceso de aprendizaje dependerá de cuánto tiempo puedas dedicarle.
Del mismo modo, el proceso de búsqueda de empleo puede variar en la longitud dependiendo de los proyectos que ha construido, sus otras calificaciones, su formación profesional, y más.
¿Es la ciencia de los datos una buena opción profesional?
Sí — una carrera en ciencias de los datos es una opción fantástica. La demanda de científicos de datos es alta, y el mundo está generando una enorme (y creciente) cantidad de datos todos los días .
No pretendemos tener una bola de cristal o saber lo que depara el futuro, pero la ciencia de los datos es un campo de rápido crecimiento con alta demanda y salarios lucrativos.
¿Cuál es la trayectoria profesional de los científicos de datos?
La trayectoria profesional típica de los científicos de datos generalmente comienza con otras carreras de datos como los analistas de datos, y luego se mueve a otros roles de la ciencia de datos a través de la promoción interna o cambios de empleo.
A partir de ahí, los científicos de datos más experimentados pueden buscar roles científicos de datos de alto nivel.
Los científicos de datos experimentados con habilidades de gestión pueden pasar a ser directores de ciencia de datos y funciones similares de directores y ejecutivos.
¿Qué salarios ganan los científicos de datos?
Los sueldos varían ampliamente según la ubicación y el nivel de experiencia del solicitante. En promedio, sin embargo, los científicos de datos hacen salarios muy cómodos. En 2022, el promedio sueldo científico de datos es más de $120,000 USD al año en los Estados Unidos.
¿Qué certificación es mejor para la ciencia de datos?
Muchos asumen que una certificación de ciencia de datos o la finalización de un campo de entrenamiento de ciencia de datos es algo que los gerentes de contratación están buscando en los candidatos calificados, pero esto no es cierto .
Los gerentes de contratación están buscando una demostración de las habilidades necesarias para el trabajo. Y desafortunadamente, un certificado de ciencia de datos no es el mejor escaparate de sus habilidades.
La razón de esto es simple.
Hay docenas de campos de entrenamiento y programas de certificación de ciencia de datos por ahí. Muchos lugares los ofrecen, desde startups hasta universidades y plataformas de aprendizaje. Debido a que hay tantos, los empleadores no tienen forma de saber cuáles son los más rigurosos.
Aunque un empleador puede ver un certificado como un ejemplo de un deseo de continuar aprendiendo, no lo verá como una demostración de habilidades o habilidades. La mejor manera de mostrar sus habilidades correctamente es con proyectos y una cartera robusta.
Artículos Relacionados: