¿Es la ciencia de los datos una buena carrera a largo plazo?

La ciencia de los datos podría ser ‘ el trabajo más sexy del siglo XXI ’ con sueldos gordos, pero eso no significa que sea la elección correcta para usted. Según Investigación de la AIM , 1.400 profesionales de la ciencia de los datos trabajar en la India se pagan más de 1 crore INR. Según AI & Data Science Salary Study 2021 de AIM Research, el salario de un profesional de análisis de datos es 44% superior a la de un ingeniero de software, y 36 por ciento y 50 por ciento más que los salarios de un desarrollador de TI y un desarrollador de Java, respectivamente.

La ciencia de los datos se trata de definir y resolver problemas empresariales. Sin embargo, muchos expertos afirman que no hay nada malo en que la gente elija esta carrera para una vida mejor, y siempre pueden aprender en el trabajo y crecer.

Desafortunadamente, muchos candidatos que solicitan papeles de ciencia de datos son dibujados por el cociente de glamour y/o beneficios monetarios, y en la mayoría de los casos no tienen las habilidades adecuadas para sobresalir en el campo.

LA BELAMIA

Regístrese para su dosis semanal de lo que está pasando en la tecnología emergente.

“Todo el mundo no puede ser un científico de datos o un analista. Por lo tanto, tenemos que ver el ajuste correcto y donde comienza. No podemos empezar desde el punto en que los candidatos se unen a la organización. Debería empezar dentro del campus o universidades”, dijo Deepak Kumar Arora , responsable de aprendizaje y desarrollo en Birlasoft, en una mesa redonda sobre « el análisis como motor de la transformación del talento ,’ organizado por AIM y Jigsaw Academy.

¿Tienes estas habilidades?

Matemáticas y codificación (R, Python, C++, Java y otros) son habilidades esenciales para una recompensa ciencias de los datos carrera. Sin embargo, no es necesario conocer todos los lenguajes de programación.

Descargue nuestra aplicación móvil

Los candidatos también deben tener excelentes habilidades de comunicación y gel con sus equipos. Deben saber minería de redes sociales, SQL/NoSQL, procesamiento de lenguaje natural o algoritmos de aprendizaje automático, Microsoft Excel; y lo más importante, necesitan ser expertos en datos y negocios.

TeléfonoPe Kedar Swadi, director de ciencia de datos, dijo a AIM que los candidatos a menudo se centran en las técnicas actualmente de moda (como asumir que sólo necesitan entender el aprendizaje profundo) en lugar de tener una base sólida en algoritmos, matemáticas y estadísticas. “Muchos candidatos también enumeran las técnicas que sólo han utilizado, en lugar de enumerar aquellas de las que tienen una comprensión integral (en términos de cómo funcionan, qué suposiciones hacen sobre los datos, cómo deben ser evaluados, qué parámetros de cambio de impacto tienen, etc.),” añadió.

Dijo que los candidatos no entienden o aprecian los aspectos empresariales de los problemas. Además, los candidatos no están expuestos a los aspectos de ingeniería del desarrollo de soluciones.

Expectativas frente a la realidad

La mayoría de la gente va a la ciencia de los datos para la aventura que ofrece. Sin embargo, la realidad es ligeramente diferente. “En la mayoría de las organizaciones, tendrás que repartir tu tiempo entre hacer trabajo técnico y el otro, cosas menos emocionantes, ” dijo Adam Sroka , jefe de ingeniería de aprendizaje automático en Origami.

Por lo tanto, si usted no está interesado en informar, escribir, documentar y presentar presentaciones, o explicar repetidamente los fundamentos de sus modelos o técnicas, gestión de proyectos, gastos administrativos, etc a las partes interesadas, entonces el trabajo puede no ser adecuado para usted.

Los candidatos provenientes de una formación o investigación a menudo caen en la trampa de la escala de tiempo infinito y la mentalidad presupuestaria infinita. “Con demasiada frecuencia, he escuchado protestas de científicos de datos diciendo que no pueden poner una ‘línea de tiempo’ en cuando su trabajo estará terminado, y tomará tanto tiempo como sea necesario. Esto simplemente no es cierto y no encajará bien con la cultura en la mayoría de las organizaciones”. dijo Sroka.

"Usted o fija el alcance de lo que está tratando de lograr y variar la escala de tiempo, o fija la escala de tiempo y variar el alcance", dijo Sroka.

Comunicación correcta

La comunicación es fundamental para forjar una carrera exitosa en ciencias de los datos . Por ejemplo, si usted está trabajando en estrecha colaboración con los encargados de tomar decisiones de la empresa, mantener una relación sólida es esencial.

Lo más importante, usted tendrá que mantener una buena relación con todos los miembros del equipo a través de los departamentos, no sólo el personal directivo superior. Siempre busque una oportunidad para resolver el problema del negocio o las preocupaciones del equipo interno al máximo de su capacidad: ya sea automatizando tareas redundantes o la recuperación de datos básicos.

Satisfacer altas expectativas

La mayoría de los profesionales de la ciencia de datos de una empresa, por defecto, serán considerados expertos en análisis y datos.

Sin embargo, Jonny Brooks-Bartlett, científico de datos en Deliveroo, dijo tratar de decirle a todo el mundo lo que usted sabe y tiene el control de puede ser difícil. “No porque alguien piense menos de ti, sino porque como científico de datos junior con poca experiencia en la industria, te preocuparás de que la gente piense menos de ti”, agregó.

Suscríbete a nuestro boletín diario

Obtenga nuestras historias y videos increíbles diarios en su bandeja de entrada

AIM TOP HISTORIAS

El Programa de M.Tech de la Universidad de PES en Ciencia de Datos y Aprendizaje de Máquinas en colaboración con Great Learning imparte las habilidades relevantes para la industria y en demanda necesarias para entrar en el apasionante mundo de la ciencia de datos.

Los modelos tradicionales de mezcla de mercado no son muy elegibles para equipar los datos duros con conocimiento previo. Los modelos simples se definen con los parámetros que son independientes entre sí. Los modelos Bayesian Market Mix pueden ser elegibles para tratar con estos datos duros.

Nuestra misión es llevar a cabo decisiones mejor informadas y más conscientes sobre la tecnología a través del periodismo autorizado, influyente y confiable.

Formar el futuro de la tecnología

AIM descubre nuevas ideas y avances que crean nuevas relaciones, nuevas industrias y nuevas formas de pensar. La AIM es la fuente crucial de conocimiento y conceptos que dan sentido a una realidad que siempre está cambiando.

Nuestras discusiones arrojan luz sobre cómo la tecnología está transformando muchas facetas de nuestra vida, de negocios a sociedad a cultura.