¿Cómo debería empezar con la ciencia de datos?

No es fácil entrar en un nuevo campo, especialmente uno tan complejo y multifacético como la ciencia de datos. Vivimos en un momento extraño en el que incluso la definición (y las expectativas) de la ciencia de los datos cambia de empresa en empresa. Lo que un científico de datos solía hacer, solía tener que entender, y los tipos de empresas que necesitan contratar a científicos de datos están en un estado de rápida evolución.

¿Por qué en el mundo sólo habría un camino que seguir?

Honestamente, si usted está tratando de entrar en la ciencia de los datos, No puedo pensar en un mejor momento para empezar!

La respuesta obvia a la pregunta (cómo empezar en la ciencia de los datos) es:

Perseguir (y completar) un grado avanzado.
Empieza a enviar currículums.

Si puedes obtener un título de posgrado, ¡a por ello! En igualdad de condiciones, la educación superior es la forma más fiable de empezar a trabajar en la ciencia de los datos.

Pero no es la única manera, probablemente no es la mejor manera, y esa manera definitivamente no funciona para todos. Desde que pasé de cero habilidades a obtener ofertas de trabajo y solicitudes de consultoría en menos de seis meses, pensé en compartir mi viaje no convencional junto con algunas de las mejores informaciones de historias increíbles que hemos publicado aquí en Towards Data Science.

Como alguien con la suerte de haber leído un montón de historias de éxito maravilloso (y algunas historias realmente fabulosas no-exitosas), puedo decirles con absoluta certeza que no hay una sola manera de empezar en la ciencia de los datos.

También puedo decirte que hay un número casi infinito de personas que quieren ayudarte en el camino. ¡Aprovéchate de eso!

Con o sin un título, lo primero que debe hacer es mirar el área específica de la ciencia de datos que le interesa.

No es tan sencillo como se podría pensar.

El término “ciencia de datos” en lo que se refiere a las oportunidades de empleo cubre un área bastante fluida y extensa de experiencia y posibles opciones de carrera en este momento! (Es una apuesta segura que encontrar un trabajo en un nuevo campo es la razón por la que estás leyendo este artículo. Si vas a pasar a analizar las definiciones tradicionales de “ciencia de datos” y “científico de datos” suba a la sección de comentarios.)

Por ejemplo, usted podría estar interesado en un trabajo o campo específico que se centra en:

Ahora identifíquese. empresas específicas que hacen el trabajo que quieres hacer. ¡Asegúrate de encontrar empresas donde estarías emocionado de trabajar! Investiga las publicaciones de trabajos anteriores que han creado y adapta tu camino de aprendizaje para adaptarse a esos requisitos. Probablemente verás que necesitarás aprender Python o R, SQL, posiblemente AWS, Spark, Hadoop, y así sucesivamente. Usted querrá aprender acerca de las técnicas y herramientas de visualización de datos. Dependiendo de lo que le interese, es posible que necesite aprender conceptos como el procesamiento del lenguaje natural, el reconocimiento de imágenes, las técnicas de aprendizaje automático, etc. También puede encontrar que el trabajo que desea requiere que los candidatos tengan un máster o un doctorado en un área específica de estudio. ¡Eso es información esencial! Si la empresa para la que desea trabajar utiliza un algoritmo para seleccionar candidatos y su currículum no coincide con sus especificaciones, ningún ser humano nunca pondrá los ojos en él.

Si quieres trabajar para una empresa específica, aprende lo que requieren de los candidatos exitosos, haz una lista y comienza a comprobar todo lo que aprendes a medida que avanzas. ¡Y nunca, nunca olvides el poder del conocimiento de dominio! No será en el puesto de trabajo, pero aprender acerca de los problemas y desafíos específicos que la industria que usted está mirando a las caras. ¡Presta atención a las habilidades suaves también! En serio te pueden diferenciar de la competencia. . Si ya tienes experiencia comunicando, presentando, gestionando, hablando, etc., estás por delante del juego.

Si te sientes valiente, contacta con alguien de la organización donde quieres trabajar con un correo electrónico que dice que estás entrando en el campo y que quieres trabajar allí más que en cualquier otro lugar. Pregúntales. lo que te haría el candidato ideal para una posición futura! Tal vez no respondan, pero apuesto a que algunos de ellos lo hacen.

Si recibes una respuesta, no importa cuál sea esa respuesta, envíales una nota diciendo lo agradecido que estás de que se hayan tomado el tiempo para responder.

Si puedes obtener un título de posgrado, ¡hazlo! No hay sustituto para la educación de alta calidad y las posibilidades de creación de redes que ofrece. Hemos publicado increíbles artículos aquí de personas que han utilizado su educación al máximo y han salido y han empezado a conquistar los campos de la ciencia de los datos, el aprendizaje automático, la inteligencia artificial, y más.

Pero tal vez la educación superior no va a funcionar para usted en este momento. ¡Está bien! Un doctorado es una gran cosa para tener y puede, sin duda, abrir las puertas para usted. Pero tener un título no es una garantía de que usted conseguirá un trabajo o que usted será grande en su trabajo. Tener un título avanzado no garantiza, de ninguna manera, que usted será un candidato exitoso para un trabajo en particular. Aquí hay una muy buena perspectiva de lo que hace a un gran científico de datos .

Tampoco hay nada que diga que necesitas un nivel específico de educación para convertirte en un científico de datos. ¿Ayudaría tenerla? ¡Por supuesto! Pero cada vez más, la gente está encontrando que haber completado grandes cursos en línea más tener una fantástica cartera de proyectos que usted ha pensado y desarrollado por su cuenta, combinado con experiencia adicional (experiencia laboral previa y contribuciones de código abierto, por ejemplo) puede ser tan eficaz (si no más) que simplemente tener un cierto grado.

Durante mucho tiempo, los científicos de datos realmente fueron científicos. ¡La educación era crucial! Ahora, sin embargo, con el aumento desenfrenado y abrumador de los datos disponibles y la necesidad de que las empresas procesen esos datos de manera significativa (así como la disponibilidad de tecnología, herramientas y bibliotecas que no existían hace diez años), el campo de la ciencia de los datos ha cambiado.

Hoy en día, hay un montón de empresas que han leído que necesitan tener científicos de datos, pero no tienen un plan específico o expectativas específicas para un equipo de ciencia de datos. Una serie de empresas que están buscando científicos de datos realmente necesitan un analista de datos o un analista de negocios. Algunas empresas sólo necesitan ayuda para dar sentido a los montones de datos en los que están sentados y podrían pedirle que cree modelos predictivos básicos. Algunas empresas realmente están buscando ingenieros de datos o ingenieros de aprendizaje automático. Debido a que el campo está en un tiempo de evolución y fluidez, un grado avanzado ya no es un requisito absoluto. Tener la capacidad de lidiar con los datos de una empresa, analizarlos y comunicar sus hallazgos de una manera significativa ya no requiere necesariamente un doctorado.

Pero si usted quiere conseguir una ventaja real en el proceso y usted puede hacer que suceda, obtener esa educación! Sólo puede ayudarte.

Si, por cualquier razón, la cosa Masters/PhD no funciona para usted, eche un vistazo a la gran cantidad de cursos en línea por ahí! No todos son buenos, por supuesto. Usted querrá ver qué cursos enseñan lo que quieres saber, qué cursos son populares y tienen excelentes críticas, qué cursos personas exitosas en el campo han tomado, y así sucesivamente.

Si puedes centrarte en este camino y dedicarte a él, no hay razón por la que no puedas estar en una posición fantástica para ser contratado en ciencia de datos antes de finales de este año.

En primer lugar, ¡piensa en tu estilo de aprendizaje! Algunas personas aprenden mejor leyendo, otras escuchando, otras viendo vídeos, otras trabajando a través de ejercicios. Algunas personas necesitan encontrar respuestas por su cuenta, y algunas necesitan tener las respuestas proporcionadas para que puedan verlas y trabajar hacia atrás. Sea cual sea tu estilo, ¡hay una flota de cursos para ti! (No importa lo que elijas, sin embargo, asegúrate de escribir a través de cada línea de código tú mismo. No hay sustituto. ¡Hacer que tus dedos hagan el trabajo obtiene esa información en tu cabeza de una manera impactantemente efectiva!)

Si usted no tiene ninguna experiencia de codificación, es posible que desee echar un vistazo a algunos cursos en línea que enseñan el lenguaje de programación que le interesa. Python y R son las opciones más populares para la ciencia de datos. Hay una serie de razones para elegir uno sobre el otro, pero Python ha estado liderando el campo desde hace varios años y sigue siendo la primera opción inteligente (a menos, por supuesto, ya sabes que R es un requisito para las posiciones que te interesan). Elija el idioma adecuado para usted ¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡

Udacity (¡No es fácil encontrar sus cursos gratis! Haga clic en el botón “Catálogo completo” en el menú desplegable “Programas”. Busque un tema específico si lo desea. En el lado izquierdo de la pantalla, verás que puedes filtrar la información. Haga clic en “Seleccionar detalles del programa” y en “Tipo” puede seleccionar “Cursos gratuitos.”)

Asegúrese de leer al menos uno o dos artículos y/o escuchar un podcast de ciencia de datos o ver videos de ciencia de datos todos los días. Puedes leer artículos en el baño o escuchar podcasts en la cama si lo necesitas, pero hazlo. Aproveche la increíble riqueza de conocimiento que está por ahí para mantenerse actual y Ponte cómodo con el lenguaje de la ciencia de los datos . Por supuesto, recomiendo los artículos aquí en Hacia la ciencia de los datos , nuestro podcast , y nuestro Canal de YouTube , pero tienes un montón de opciones!

Ahora abróchate el cinturón y ponte esas habilidades matemáticas. Usted quiere estar cómodo con las estadísticas, álgebra lineal, y cálculo básico por lo menos. ¡No tengas miedo de las matemáticas! Las habilidades matemáticas son críticas si vas a trabajar en este campo. Cepilla tus habilidades en Khan Academy o tal vez tomar ventaja de algunos cursos gratuitos en Udacity.

Una vez que hayas empezado a sentirte cómodo con tu lenguaje de programación elegido y te estés poniendo un poco más cómodo con las estadísticas (como mínimo), ¡comienza a revisar los cursos de ciencia de datos! Usted no necesita ser un programador experto para empezar con cursos introductorios en línea. Pero una familiaridad básica le ayudará a evitar sentirse abrumado. Tal vez quieras echar un vistazo. Coursera , Udacity , Udemy , y edX , o usted podría estar interesado en Datacamp , Dataquest , Springboard , o Elite Data Science . Además, Coursera te permite cursos de auditoría gratuitos ¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡ Usted no obtendrá un certificado oficial, pero obtendrá la información sin gastar un centavo. (También puede solicitar ayuda financiera con Coursera).

¿Eres alguien que aprende bien leyendo? ¿Sabías que puedes Aprender sobre Hacia la Ciencia de los Datos ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ¡Hemos comisariado algunos de nuestros mejores artículos por tema para ayudarte a aprender más a tu propio ritmo!

¿Todavía está interesado en trabajar en la ciencia de los datos? ¡Comienza a buscar becas, desafíos y concursos! Usted no creería la información disponible a través de programas de becas y desafíos . He hecho el desafío Bertelsmann Data Science Scholarship a través de Udacity, el desafío de becas de AI PyTorch en Facebook, y el desafío de becas de AI segura y privada y hay mucho más por ahí. Cada uno de estos desafíos enseña información realmente útil y te pone en contacto con una increíble comunidad de personas de forma gratuita.

¡Asegúrate de conectarte con la gente increíble en tus cursos y desafíos en LinkedIn! Mientras que usted está en ello, asegúrese de que su perfil de LinkedIn se ve bien. Completa tu sección de educación, certificados, habilidades y añade cualquier proyecto que hayas completado. Escribe una sección de calidad “sobre mí” que muestre quién eres y cómo se puede ayudar a otras personas . (Te sorprendería lo que una diferencia que cambia “Soy experimentado con las técnicas de visualización de datos” a “Puedo ayudarle a utilizar sus datos para contar grandes historias” puede hacer!) Endosar las habilidades de algunas de las personas que usted ha llegado a conocer bien y que podrían apoyar algunas de sus habilidades a cambio.

Una vez que empieces a sentirte cómodo con estos conceptos, verás que necesitas empezar a añadir algunas herramientas más a tu caja de herramientas. SQL es increíblemente importante. Definitivamente quieres empezar a sentirte cómodo con las técnicas de visualización de datos también. Hay, por supuesto, herramientas que usted ha estado utilizando en sus cursos en línea, y también puede que desee familiarizarse con Tableau si no lo has hecho ya. Es una herramienta popular, y hace un gran trabajo de comunicación visual de análisis de datos de una manera que es eficaz para los principiantes en ambos lados de la tabla. Definitivamente quieres estar familiarizado con el funcionamiento de Git y GitHub , y hay una gran cantidad de cursos en línea disponibles. (Este es un decente curso gratuito para principiantes . Este trata específicamente con el control de la versión y tiende a ser más altamente recomendado.)

¿Sigues yendo? Puede que sea hora de empezar a buscar cursos pagados. Soy un fan de los Nanogrados de Udacity, pero es posible que desee invertir en cursos Coursera o edX. Incluso podrías decidir que un Bootcamp es adecuado para ti.

Ahora es el momento de centrarse en sus proyectos! Limpia tu perfil de GitHub. Asegúrese de que usted está empujando commits todos los días si usted puede y cuenta con lo mejor de sus proyectos. En este punto, usted habrá reunido algunos proyectos en sus cursos y debe estar lo suficientemente cómodo como para empezar a trabajar en un proyecto propio. ¡Encuentra un tema que realmente te interese y construye algo increíble o mira algo de una manera nueva! ¡Resuelve un problema! Realmente entra ahí y haz que este proyecto sea tuyo. Nunca sabes a dónde te llevará un proyecto personal. .

Trabajar en algo que te importa te dará algo de lo que puedas hablar de una manera nueva a un nuevo nivel. ¡Esto te ayudará cuando estés en red y cuando estés entrevistando!

Encuentre una organización que realmente pueda ayudar o una que le interese seriamente y se involucre. La mayoría de las organizaciones de código abierto están operando con poco o ningún presupuesto y aprecian toda la ayuda que pueden obtener. ¡Quieren que tengas éxito! Tengo trabajó de cerca con la increíble gente de NumPy , y honestamente quieren ayudar a la gente a entender el proceso de contribuir a Numpy para que se sientan cómodos contribuyendo a largo plazo. ¡No quieren que te rindas! No es un proceso simple, pero quieren que tengas éxito y sigas contribuyendo.

¡Ayuda con problemas conocidos, ayuda con documentación, ayuda con todo lo que puedas! Si encuentra una organización que haga clic con usted y sus intereses, haga de ayudarlas una prioridad. ¡Puede que te encuentres en su equipo antes de darte cuenta!

Escribe sobre lo que aprendes. Escriba para compartir su información y ayudar a otras personas. Usted se sorprenderá por la diferencia entre comprensión de un concepto y comprender un concepto lo suficientemente bien como para escribir sobre él . Además, la comunidad de tecnología está fuertemente invertida en ayudar a otros (sólo mira todo, desde organizaciones de código abierto hasta Quora , Desbordamiento de la pila , y así sucesivamente) y quieres agregar tu voz a la comunidad.

En una nota personal: la escritura es mano a mano la mejor manera que he encontrado para ser notado como un principiante! Las oportunidades que me han ofrecido como resultado de mis artículos son alucinantes. Me han ofrecido puestos como consultor, charlas, trabajos de redacción y edición, puestos de enseñanza y tutoría, puestos de ciencia de datos, y más basados únicamente en estos artículos.

Así que ahora tienes grandes proyectos de los que puedes hablar en profundidad, una serie de artículos que demuestran lo que sabes y lo que has aprendido, un perfil sólido de GitHub, varios certificados a tu nombre, has estado contribuyendo a organizaciones de código abierto, e incluso has completado una competencia de Kaggle o dos o has participado en un hackathon. Usted tiene un perfil optimizado de LinkedIn que muestra su experiencia, sus habilidades y sus conexiones. También has estado (espero) completando tu currículum con proyectos, habilidades y experiencia de código abierto y está listo para empezar.

¿Qué diablos estás esperando?

¡Sal de ahí y empieza a conectarte con la gente! Tan divertido como es simplemente enviar ciegamente su currículum a cientos de organizaciones que están anunciando trabajos y utilizando algoritmos y reclutadores para seleccionar candidatos, usted puede encontrar que la manera más rápida (y menos dolorosa) de ser contratado es tener una conversación real con alguien en una organización!

¿Recuerda los correos electrónicos que envió al principio del proceso? Póngase en contacto con esas personas de nuevo y agradézcales una vez más su ayuda. Recuérdales quién eres y hazles saber lo que has logrado en tan poco tiempo. Menciona lo emocionado que estarías de hablar con alguien de la compañía. Demuestre sus habilidades de comunicación, su capacidad para seguir los consejos, y lo auto-motivado que es. ¡Mira qué tipo de respuesta recibes!

Hable con la gente de sus becas y cursos que han encontrado grandes trabajos y ver lo que han aprendido. También es posible que desee tener una conversación o dos con las personas con las que se ha conectado en esa organización de código abierto. Nunca se sabe, incluso podrían recomendarte una posición genial. Eso es básicamente de lo que se trata LinkedIn!

Para aquellos de ustedes que están introvertidos, tienen baja autoestima, y están sufriendo de un caso masivo de síndrome de impostor... nunca, nunca olviden que hay muchas empresas por ahí que ofrecen un bono de referencia a las personas que exitosamente recomiendan un candidato para una vacante de trabajo. Una o dos de sus conexiones podrían estar interesadas en ganar un poco de dinero...

Además, recuerda que la gente no sabe las cosas que no les has dicho . ¿Sabes cuál de tus conexiones de LinkedIn está buscando trabajo? ¿Sabes cuántas de las otras personas en esa organización de código abierto están tratando activamente de encontrar trabajo? ¡Probablemente no! Nos gusta asumir que la gente sabe todo sobre nosotros, pero no lo saben. ¡Habla! Te sorprendería cuánta gente le encantaría echar una mano si pudiera.

¡Deja de retrasarte! ¡Sal y empieza a trabajar en ciencia de datos!