¿Es la especialización en ciencia de datos una buena idea?

Sin embargo, a pesar de la increíblemente alta demanda, no está del todo claro qué educación necesita alguien para conseguir uno de estos papeles codiciados. ¿Deberías estudiar ciencias de los datos, o graduarte en ella? ¿Asistir a un campo de entrenamiento? ¿Tomar algunos cursos de Udemy y saltar?

Nos pusimos al día con cuatro expertos en esta área para averiguar si alguien puede enseñarse a sí mismo la ciencia de los datos o si es mejor obtener un título. ¿El consenso general? Un grado no hará daño, pero no todos los programas se crean iguales, y hay otros caminos igualmente válidos hacia esta carrera. Por lo tanto, si usted está pensando en obtener un título en ciencia de datos, esto es lo que los expertos quieren que usted sepa.

Mark Madsen. La biografía de Twitter de Madsen dice “El Jon Stewart de los datos (según los eventos de Strata y OScon)”. Third Nature Inc. , y ha recibido numerosos premios de gestión de la información, incluido el premio Smithsonian/Computerworld por el uso innovador de la tecnología de la información.

1. Es posible que realmente no necesite un título en ciencias de datos

Más en apoyo del autoaprendizaje que la condenación de la educación, Edwin Chen explicó cómo los individuos ingresan a la ciencia de datos desde varios ángulos:

“Así como la gente puede enseñarse a sí misma a ser ingenieros de software o matemáticos, mucha gente puede enseñarse a sí misma a ser científicos de datos. Después de todo, ‘ciencia de datos’ todavía no es realmente algo que se aprende en la escuela, aunque cada vez más escuelas están ofreciendo programas de ciencia de datos. Muchos de los mejores científicos de datos que conozco provienen de campos que no son los campos normalmente asociados con la ciencia de datos como el aprendizaje automático, las estadísticas y las ciencias de la computación”.

Chen continuó respaldando su afirmación con ejemplos de su propia experiencia aprendiendo ciencia de datos:

“Estudié matemáticas, informática y lingüística en la escuela, e hice mucha investigación en el procesamiento del lenguaje natural, así que tuve algunos antecedentes a partir de ahí. Pero en términos de la mayoría de las cosas que aplico día a día — aprendizaje automático, anuncios, recomendaciones, munging de datos, análisis estadístico, etc. - Recogí esas habilidades mientras trabajaba.”

2. La ciencia de los datos implica múltiples disciplinas

La razón por la que usted puede no necesitar un grado en ciencia de datos, y por qué los científicos de datos son tan buscados, es porque el trabajo es realmente una mezcla de diferentes conjuntos de habilidades rara vez se encuentran juntos. Rob Hyndman ofreció un poco de antecedentes sobre cómo los científicos de datos han sido entrenados tradicionalmente:

“Los científicos de datos han tendido a provenir de dos disciplinas diferentes, la informática y la estadística, pero la mejor ciencia de datos incluye ambas disciplinas. Uno de los peligros es que los estadísticos no captan algunas de las nuevas ideas que están saliendo del aprendizaje automático, o que los científicos informáticos simplemente no conocen suficientes estadísticas clásicas para conocer los escollos”.

3. Cuidado con los programas que sólo están reembalando material de otros cursos

Debido a que la ciencia de los datos implica una mezcla de habilidades – habilidades que muchas universidades ya enseñan – hay una tendencia a reenvasar los cursos existentes en un codiciado grado de “ciencia de los datos”. Madsen capturó el escepticismo que escuché de varios entrevistados:

“Tengo sentimientos encontrados sobre los programas universitarios. Me parece que están más diseñados para capitalizar el hecho de que la demanda está ahí fuera que en la producción de buenos científicos de datos. A menudo, lo hacen creando programas que emulan lo que creen que la gente necesita aprender. Y si piensas en las primeras personas que estaban haciendo esto, tenían una extraña combinación de matemáticas y programación y problemas de negocios. Todos venían de diferentes áreas. Crecían ellos mismos. Las universidades no las cultivaban”.

Madsen cree que gran parte del valor de un programa proviene de quién está creando y eligiendo sus cursos:

“He visto algunas guías de cursos decentes en el pasado de algunas universidades; todo se trata de quién diseña el programa y si ponen pensamiento en él, o si simplemente piensan en la ciencia de los datos como exactamente lo mismo que el viejo tipo de minería de datos.”

4. Hay diferentes teorías sobre la teoría

Un tema recurrente a lo largo de mis conversaciones fue el papel de la teoría. La recomendación de Randy Bartlett para aspirar a científicos de datos es encontrar una universidad que ofrece una licenciatura en estadística. Apréndelo a nivel de soltero y evita que se sumerja en la teoría:

“Se pensaría que el máster sería mejor, pero no lo creo. La BS en estadística es más metodológica. Para cuando llegues al MS estás trabajando con los profesores y quieren enseñarte una gran cantidad de teoría. Vas a aprender cosas desde un punto de vista muy académico, lo que te ayudará, pero solo si quieres publicar trabajos teóricos”.

Mientras que un enfoque teórico era negativo para Bartlett, Chen ofreció el otro lado del argumento, afirmando que se necesita una cierta cantidad de estructura teórica para comprender ciertos conceptos:

“Es importante aprender teoría, por supuesto. Sé demasiados ‘científicos de datos’ incluso en lugares como Google que no sería capaz de decirle lo que Bayes’ Teorema o independencia condicional es, y creo que la ciencia de los datos desafortunadamente sufre de una falta de rigor en muchas empresas.”

5. Grado o no grado, no se olvide de las habilidades suaves

Gestione equipos y proyectos en múltiples departamentos y offshore.
Consultar con los clientes y ayudar en el desarrollo de negocios.
Tome cuestiones de negocio abstractas y obtenga una solución analítica.

Randy Bartlett también hace hincapié en la importancia de estas habilidades, y critica los programas universitarios para a menudo dejar estas habilidades fuera todos juntos: “No hay una formación real sobre cómo hablar con los clientes, cómo organizar equipos, o cómo dirigir un grupo de análisis.”

La línea de fondo

La ciencia de los datos sigue siendo un campo en rápida evolución y hasta que las normas estén más establecidas, es poco probable que todos los científicos de datos sigan el mismo camino. Un título en ciencias de los datos no hará o romperá su carrera. ¿Qué lo hará? Madsen piensa que es algo mucho más fundamental:

“La parte que realmente separa a las personas que tienen éxito de las que no lo son es sólo una curiosidad central y el deseo de responder a las preguntas que la gente tiene: resolver los problemas. No lo hagas porque crees que puedes ganar mucho dinero, lo más probable es que para el momento en que estás entrenado, o no sabes las cosas correctas o hay un centenar de otras personas compitiendo por la misma posición, así que lo único que va a destacar es si realmente te gusta lo que estás haciendo.”