¿Cuán competitivos son los trabajos de ciencia de datos?

He sido un científico de datos por poco más de tres años. Me pidieron consejos sobre el campo a los estudiantes, así que aquí están algunos de mis pensamientos. Primero, voy a enumerar un par de cosas que me gustaría haber conocido al entrar en el campo, y segundo, mi consejo estándar para los estudiantes que les gustaría convertirse en científicos de datos después de la graduación.

‘Ciencia de datos’ es un término vago, así que trátalo en consecuencia

La ciencia de los datos puede abarcar prácticamente cualquier trabajo cuantitativo. Dos científicos de datos en diferentes empresas, o incluso dentro de la misma empresa, podrían hacer trabajos totalmente diferentes. El campo ha ido fracturándose gradualmente en títulos de trabajo más específicos, como ingeniero de datos, analista de datos, ingeniero de aprendizaje automático, etc. Sin duda, este proceso de especialización se acelerará en el futuro. Por lo tanto, cuando estés hablando de ciencia de datos o aplicando a trabajos, trata de averiguar cuál es la definición específica relevante de ciencia de datos para esa situación, y asegúrate de que coincida con la tuya. Específicamente, es útil averiguar lo que el entregables desempeñará un papel específico en la ciencia de los datos. ¿Necesitarás escribir un código que viva en un sistema de producción? ¿Necesitará crear tuberías de datos? ¿Estará produciendo análisis de datos fuera de línea, y si es así, qué tipo de análisis? Averiguar de qué entregables usted será responsable es a menudo mejor que leer descripciones de trabajo reales, ya que las descripciones de trabajo tienden a escribirse para atraer a una amplia gama de candidatos para un papel en lugar de realmente detallar lo que el trabajo implicará.

El síndrome de impostor es una parte normal del trabajo

Cada científico de datos experimenta el síndrome de impostor. He descubierto que una parte significativa del trabajo es navegar por él. Siempre van a haber cosas que no sabes. Como se mencionó anteriormente, el campo está mal definido, por lo que hay un número increíblemente vasto de temas que podrían caer en la definición de ‘ciencia de datos’. Si lees blogs o Quora, hace sentir que necesitas ser de clase mundial en cada habilidad para ser un científico de datos: un estadístico del doctorado de Stanford, un ingeniero de Google-calibur, y un experto en negocios de grado McKinsey, todo envuelto en uno. La realidad es que nadie es perfecto en todo. Incluso si de alguna manera mágicamente fueron perfecto en cada habilidad, sólo usarías un subconjunto de esas habilidades para cada proyecto, y perderías la práctica con las que no usaste. Todo lo que necesita hacer para ser un buen científico de datos es encontrar una manera de utilizar los datos para ser útil. Hay muchas maneras diferentes de hacerlo. Está bien sentir el síndrome de impostor de vez en cuando. Sólo sé que es normal, y no dejes que te deprima. En lugar de eso, trata de aceptar situaciones en las que tengas algo nuevo que aprender como emocionantes oportunidades de crecimiento, y recuerda tener ese sentimiento en mente la próxima vez que encuentres a alguien que no sepa algo que haces.

Nunca tendrás que conocer todas las herramientas

Hadoop, Spark, Hirn, Julia, Kafka, Airflow, Scalding, Redshift, Hive, TensorFlow, Kubernetes... hay un número aparentemente interminable de lenguajes, marcos y herramientas de codificación de ciencia de datos. Cuando usted no ha trabajado en un trabajo de ciencia de datos antes, se siente como si usted tiene que saber que todos ellos para ser un real científico de datos. Cada vez que escuchaba a alguien mencionar una herramienta que no conocía en la conversación, solía asustarse en silencio internamente y hacer una nota mental para encontrar una clase de Coursera sobre el tema que podía atragantar, stat . Afortunadamente, se puede ignorar con seguridad el 99% de las herramientas de ciencia de datos por ahí. Eventualmente, su empresa tendrá su propio conjunto de herramientas. Todo el mundo en la empresa será bueno en el uso de esas herramientas, y ser completamente sin pistas sobre la mayoría de los demás. Además, ninguna buena compañía se preocupará si usted ha utilizado su conjunto particular de herramientas antes. A menos que usted va para un papel realmente especializado, esperarán que usted puede aprender su pila en el trabajo. Sólo necesitas saber lo suficiente para pasar una entrevista. Escoge un pequeño conjunto de herramientas que funcionen para ti. Póngase cómodo con ellos, y no se preocupe por ramificarse demasiado hasta que esté en un trabajo.

Sin embargo, aprende bien tus herramientas básicas

Usted no tiene que saber cada herramienta, pero usted debe ir profundamente en las herramientas básicas que utiliza diariamente. Nunca te arrepentirás de aprender las partes aburridas de cualquier dialecto SQL que use tu empresa, como cómo escribir una consulta optimizada. Si usas R, aprende los ins y outs de ggplot2 y dplyr. Si usas Python, trata de entender realmente los pandas, el nuppy y el scipy. Fingí conocer a git durante meses, pero siempre me metí en git-knots. Finalmente, me descompuse y leí un gran tutorial en la herramienta. Entonces, me sentí git-invencible. Si te encuentras usando algo regularmente, tómate algún tiempo para leer simplemente su manual.

Usted es un experto en un dominio, no sólo métodos

La ciencia de los datos surgió como un compromiso entre las funciones de investigación científica y las funciones de analista de negocios. El primero utilizó métodos poderosos, pero sólo influyó indirectamente en las decisiones de las empresas, mientras que el segundo influyó directamente en los propietarios de las empresas, pero utilizó herramientas limitadas para hacerlo. Los científicos de datos hacen el mayor impacto cuando se combinan ambos lados juntos, mezclando el conocimiento profundo del dominio con las herramientas estadísticas y de ingeniería adecuadas para tomar mejores decisiones o productos de datos útiles.

En mi experiencia, la mayoría de los científicos de datos se inclinan demasiado hacia la dirección científica de la investigación y no lo suficiente hacia la trayectoria del analista de negocios. Les encanta usar técnicas de fantasía, pero no invierten lo suficiente en aprender sobre su dominio. Van a conferencias de aprendizaje automático, pero más raramente asisten a conferencias sobre, por ejemplo, marketing o riesgo. Muchos científicos de datos ni siquiera se dan cuenta de que tener un dominio. Cualquier equipo con conocimiento acumulado sobre lo que funciona y no tiene conocimiento de dominio, y usted puede aprender sobre ello de sus socios de negocios o hablando con equipos similares en otras empresas. Conocer tu dominio es la mitad de la batalla, así que invierte tiempo allí, al igual que lo haces por tus ‘habilidades difíciles’.

La habilidad más importante es el pensamiento crítico

Una gran parte de cualquier trabajo de conocimiento es determinar qué es importante y qué no . Usted puede hacer el análisis perfecto, pero si resulta que estaba resolviendo el problema equivocado o su visión no es procesable, no importará. Vale la pena dedicar tiempo activamente a pensar en el contexto más amplio de su trabajo. ¿Cuáles son los desafíos más importantes en su equipo, y por qué? ¿Es su hoja de ruta actual la mejor manera de ayudar a su equipo, o debería cambiar su plan? Las respuestas a estas preguntas pueden cambiar con el tiempo, por lo que es importante registrarse con regularidad. He visto a muchos científicos de datos marchar por un camino demasiado largo simplemente debido a la inercia.

Tomar clases relevantes — no solo clases técnicas

Por supuesto, las clases de estadística y ciencias de la computación serán útiles en el trabajo. Sin embargo, muchas clases pueden ser útiles. Cualquier cosa que te haga practicar el pensamiento crítico y hacer argumentos escritos, como filosofía, historia o inglés, puede ser útil, ya que eso es mucho de lo que haces en la ciencia de datos. Los sujetos de ciencias sociales como la economía o la psicología cuantitativa pueden ser grandes para ganar experiencia haciendo inferencias causales. Una clase a la que pienso a menudo es la persuasivo hablando clase que tomé, que invoco regularmente en mi trabajo. Tome su parte justa de las clases técnicas, pero aprenda ampliamente y siga sus intereses. Mi estrategia siempre fue ir con grandes profesores sobre gran sílaba. Todavía recomendaría eso a cualquier estudiante universitario, ciencias de datos o no.

Comunicación práctica: escrita, visual y verbal

Las habilidades de comunicación son extremadamente importantes y crónicamente infravaloradas en la ciencia de los datos. Su impacto sólo puede ser tan bueno como sus habilidades de comunicación, ya que necesita persuadir a otros para tomar decisiones o ayudar a construir productos basados en sus análisis. Por lo tanto, muchas carreras de científicos de datos muy técnicos están implícitamente limitadas porque no pueden escribir o hablar con claridad. La práctica — en las tres formas, escrita, visual y verbal — marca una verdadera diferencia. Toma clases con mucha escritura, especialmente si sientes que eres un escritor débil o que el inglés no es tu primer idioma. Muchos campus tienen centros de escritura para ayudarte a obtener retroalimentación. Ese es un recurso para aprovechar mientras lo tienes.

Trabajar en problemas reales de datos

Kaggle es ideal para aprender a modelar. Sin embargo, con Kaggle, la parte más difícil ya se ha hecho para usted: recoger, limpiar y definir el problema a resolver con esos datos. La mejor manera de prepararse para un trabajo como científico de datos es utilizar datos reales para responder a preguntas reales. La razón es simple: es lo más cerca que se puede llegar a un trabajo real sin tener realmente uno. Encuentre algo que le interese y obtenga sus propios datos. Raspar datos de Internet es mucho más fácil de lo que la mayoría de los principiantes se dan cuenta con paquetes como Beautiful Soup , Raspy , y rvest . Wikipedia y Reddit son buenos objetivos si necesitas inspiración, pero la mejor opción es algo que realmente te entusiasma explorar. Entonces, haga algunas preguntas que le interesen y vea lo bien que puede responderlas. Limpie los datos, haga algunos gráficos y modelos, y luego escriba sus conclusiones en algún lugar público. Será lento al principio, pero eso es porque estás aprendiendo. Si es posible, trate de resolver problemas reales para la gente de su comunidad, como hacer trabajo de estadística para un equipo deportivo escolar o hacer análisis de encuestas para el periódico escolar, con el fin de obtener práctica con la administración de las partes interesadas también.

Publique su trabajo y obtenga comentarios de cualquier manera que pueda

La única manera de mejorar en cualquier cosa es Obtener retroalimentación . El trabajo de datos no es una excepción. En estos días, es tan fácil publicar cuadernos a Github o sitios web personales. Si escribes sobre un tema en el que tus amigos están interesados, puedes aprender mucho de cómo responden. ¿Qué fue lo convincente de tu presentación? ¿Qué no estaba claro? ¿Fue capaz de persuadirlos de su argumento principal? ¿Se aburrieron leyendo y no llegaron hasta el final? Crucialmente, ponga su código disponible, y tratar de obtener críticas de código de otros estudiantes para que puedan mejorar el uno al otro. Si utiliza una técnica de una clase que está tomando, incluso podría mostrar a un profesor lo que ha hecho y obtener algunos comentarios de expertos mientras muestra alguna iniciativa. Y, ¿quién sabe, si uno de sus análisis se vuelve viral en Internet, usted puede incluso conseguir un trabajo de él!

Ir a eventos — hackathons, conferencias, reuniones

En la medida en que tu geografía y presupuesto lo permitan, intenta interactuar con el mundo externo de la ciencia de los datos mientras eres estudiante. Hacerlo le dará una mejor comprensión de las realidades del campo y le dará una ventaja para la creación de redes. Hay reuniones de ciencia de datos y hackathons en la mayoría de las ciudades principales, y en mi experiencia, la mayoría de la gente es muy amable con los estudiantes en ellos. Las conferencias suelen tener entradas con descuentos dramáticos para los estudiantes. Ir con amigos puede hacer para una divertida excursión de campo juntos, también!

Sea flexible con cómo entrar en el campo

La ciencia de los datos es un campo competitivo. Hay un número limitado de compañías de tecnología con grandes marcas de ciencia de datos, y la batalla por sus pasantías de verano y roles de nivel de entrada es feroz. Sin embargo, una vez que usted tiene incluso una pequeña cantidad de experiencia real de trabajo de ciencia de datos, es mucho más fácil conseguir un segundo trabajo en el campo. Los científicos de datos con unos pocos años bajo sus cinturones, incluso de empresas poco conocidas, a menudo tienen pocos problemas para ser contratados en las mejores empresas. Por lo tanto, si quieres ser un científico de datos, y no recibes una oferta de una de las empresas famosas, considera ampliar tu búsqueda de empleo. Hay muchas empresas con problemas interesantes que resolver.