¿Puedo estudiar ciencias de datos sin informática?
Como la industria de la tecnología ha continuado en auge en los últimos años, creando puestos de trabajo emocionantes que a menudo se combinan con salarios lucrativos, no es de extrañar que un número creciente de personas están haciendo cambios de carrera para entrar en la acción.
Mientras que algunos de los que pasan a la fuerza de trabajo de la tecnología ya tienen experiencia en análisis de datos o tienen un título universitario relevante, un contingente creciente está empezando desde cero, inscribiéndose en programas de entrenamiento específicos o campos de entrenamiento para reforzar sus habilidades y prepararlos para una nueva carrera. Y está funcionando. Course Report ha encontrado que cuando se trata de retorno de la inversión, la codificación y los campos de arranque de datos “requieren menos tiempo, menos dinero, y ofrecen ganancias casi iguales en comparación con un título CS.” La contratación de gerentes en algunas de las empresas de tecnología más importantes del mundo también han subrayado la importancia de la habilidad y actitud de un candidato sobre la escuela que figura en su CV.
Todo esto quiere decir que si eres nuevo en la fuerza laboral o estás listo para dar un salto a mitad de carrera, hay caminos hacia la ciencia de los datos que no requieren un título universitario. La siguiente guía ofrece estrategias clave para garantizar que usted tiene todas las habilidades necesarias para hacer el trabajo y destacarse de un grupo de contratación competitivo.
¿Puede convertirse en un científico de datos sin un título?
En 2016, el DJ Patil, que sirvió como el primer científico jefe de datos de los Estados Unidos, tuiteó: “La ciencia de datos no se preocupa por lo que te especializaste en o si incluso tienes un título. Lo que importa es lo que haces con los datos”.
Aunque tener un título universitario relevante puede ayudar, la verdad es que muchas organizaciones contratan científicos de datos que no tienen un título. Lo que importa, como señaló Patil, es que un candidato es capaz de hacer el trabajo de un científico de datos - forcejear con los big data, realizar análisis de datos, entender múltiples lenguajes de programación - todo lo cual se puede aprender a través de un data science bootcamp .
Cómo convertirse en un científico de datos sin un título
Perfeccione sus requisitos previos
Refine sus habilidades en ciencia de datos
Practicar con Proyectos de Ciencia de Datos
Construir una cartera
Considerar trabajos relacionados
Practique sus habilidades de entrevista
Trabajar hacia el trabajo que usted quiere
Convertirse en un científico de datos sin título requiere una inversión de tiempo significativa, y ganar una ventaja competitiva a través de Proyectos de cartera o certificaciones pueden tomar incluso más tiempo. Pero si usted está dispuesto a poner en el trabajo, puede conducir a una carrera gratificante.
Perfeccione sus requisitos previos
Las matemáticas y las estadísticas son la base de ciencias de los datos . Con el fin de determinar las tendencias de uso, crear pronósticos y obtener información significativa de los datos, tendrá que utilizar conceptos matemáticos y estadísticos como probabilidad, varianza, desviación estándar, álgebra lineal y cálculo. A medida que avanza hacia problemas más complejos, confiará en conceptos como la regresión logística, los árboles de decisión y la regresión lineal. Perfecciona estas habilidades y comenzarás tu carrera con el pie derecho.
Refine sus habilidades en ciencia de datos
Una parte significativa de un descripción del trabajo del científico de datos implica el acceso, recogida, limpieza, forcejeo y almacenamiento de datos estructurados y no estructurados. Saber cómo usar bases de datos relacionales como MySQL o MongoDB es necesario para la ciencia de datos. La fluidez con herramientas como Hadoop o Spark para almacenar y procesar big data también puede ser útil en su carrera en ciencias de los datos . Y el conocimiento de múltiples lenguajes de programación —específicamente SQL y Python— es crucial. Otros idiomas con los que un científico de datos debe estar familiarizado incluyen:
- R para la inferencia estadística y el análisis
- Perl para la manipulación y estructuración de textos
- Scala para ingerir, almacenar y procesar macrodatos
Practicar con Proyectos de Ciencia de Datos
Una vez que usted tiene una comprensión cómoda de las habilidades clave, es hora de saltar en el extremo profundo. Póngase a prueba con Kaggle o TopCoder concursos — la versión de ciencia de datos de un hackathon — y aplicar las habilidades que tiene. Hacer esto no sólo ofrece valiosas manos a la obra experiencia con la ciencia de los datos , también te da la oportunidad de ser notado, mientras colaboras con algunos de los mejores científicos de datos del país.
Construir una cartera
Un CV le dice a los gerentes de contratación de lo que eres capaz de, pero es una cartera que proporciona la evidencia. Si acaba de empezar como científico de datos y carece de experiencia laboral en el mundo real, todavía hay maneras de trabajar en proyectos dignos de cartera.
- Haz proyectos personales. Utilice conjuntos de datos de acceso público y cree sus propios tableros de mandos. Identificar oportunidades interesantes y construir sus propios estudios de caso.
- Encuentra pasantías. Pequeñas empresas y startups estarán encantados de tomar pasantes en ciencias de los datos para proyectos a corto plazo. Usa esto para ganar algo más valioso que un título: ¡experiencia laboral en el mundo real!
- Asumir un trabajo pro bono. Varios departamentos gubernamentales, ONG y pequeñas empresas pueden usar su ayuda. Búscalos y ayúdalos. De hecho, si usted tiene un amigo dueño del negocio, pregunte por sus datos de uso del sitio web / e-Commerce y construir algunos tableros para ellos.
Considerar trabajos relacionados
Tomar un trabajo relacionado o pasantías puede ser una gran manera de obtener exposición y experiencia con los problemas y habilidades que un científico de datos trata. Por ejemplo, las pasantías a menudo ofrecen a los candidatos rotaciones en diferentes departamentos, dando a los pasantes la oportunidad de trabajar en una variedad de proyectos junto con profesionales de la industria. Alternativamente, trabajar como analista de datos puede reforzar las habilidades analíticas de un individuo, desarrollar su comprensión del uso de datos para satisfacer las necesidades empresariales, y construir su experiencia con el trabajo en equipos.
Practique sus habilidades de entrevista
El proceso de contratación de los científicos de datos típicamente implica una cartera, cartas de cubierta, y referencias. Muchas organizaciones también utilizan bucles de entrevistas para medir el talento y la calificación de un candidato para un rol, lo que puede implicar entrevistas técnicas, pruebas que requieren algoritmos de escritura, una entrevista de codificación SQL, y una serie de preguntas diseñadas para revelar los valores de un candidato.
Trabajar hacia el trabajo que usted quiere
Similar a considerar trabajos relacionados, su primer trabajo en la ciencia de datos puede no ser el que usted desea. Dicho esto, hay un valor inmenso en conseguir un pie en la puerta y hacer movimientos laterales hacia su trabajo soñado. Por ejemplo, si empiezas con el análisis de datos, puedes fortalecer tus habilidades de análisis de datos, que en última instancia serán útiles en un rol de ciencia de datos. Alternativamente, si empiezas a almacenar o administrar datos, el conocimiento que desarrolles sobre estructuras de datos y bases de datos te hará un científico de datos más fuerte. Es importante establecer metas para asegurar que usted está aprovechando al máximo cada papel, y cada habilidad técnica y suave que usted gana le está acercando al trabajo que desea.
Recursos para ayudarle a convertirse en un científico de datos sin un título
Si usted desea un programa completo de auto-pace que cubre todo, desde los fundamentos de la analítica de datos a trabajar con algoritmos de aprendizaje automático, Springboard tiene un ciencia de datos trayectoria de la carrera que ofrece orientación de aprendizaje, tutoría y apoyo de los consejeros profesionales para ayudarte a prepararte para la fuerza laboral. Pero si usted está buscando ir en él por su cuenta o para complementar lo que ya has aprendido, a continuación están los recursos que pueden reforzar su conocimiento de las habilidades y los conceptos de ciencia de datos.
- Datos de flujo – El blog de Nathan Yau es una de las principales autoridades de la web en herramientas y técnicas de visualización de datos.
¿Qué pasa si estás considerando un título?
Si desea seguir un título universitario en su camino para convertirse en un científico de datos, a continuación hay algunas opciones de grado a considerar.
Rutas de Grado a Considerar
Las personas que trabajan en ciencias de los datos a menudo tienen una licenciatura en ciencias de la computación, matemáticas, finanzas, estadísticas o economía. Sin embargo, un título en un campo relacionado como ingeniería, física o tecnología de la información también puede ofrecer un camino hacia una carrera en ciencias de datos. Un número creciente de universidades también ofrecen programas específicos de ciencia de datos , aunque estos se ofrecen normalmente como Grados avanzados .
Mientras que el científico de datos promedio tiene una licenciatura, muchos también tienen una maestría en un campo relevante. Aquellos que trabajan en áreas más avanzadas de la ciencia de los datos como la ingeniería de aprendizaje automático, el procesamiento del lenguaje natural, la inteligencia artificial y las redes neuronales, también podrían tener doctorados.
Lo que dicen los expertos sobre convertirse en un científico de datos sin un título
El consenso abrumador de los profesionales de la industria es que un título de licenciatura o incluso de maestría puede ser útil —no hay ninguna ayuda para que algunos gerentes de contratación estén sesgados a favor de aquellos que tienen títulos— pero no es necesario de ninguna manera para tener una carrera exitosa como científico de datos.
“Los candidatos que salen de ciertos programas de MS / Ph.D. pueden tener ventajas en la ciencia de los datos,” William Chen, director científico de datos , “pero si ya se puede obtener la ciencia de los datos pasantías /job ofrece entonces no hay necesidad de seguir un título adicional para avanzar en su potencial profesional.”
En un puesto separado de Quora, Chen enumeró recomendaciones útiles para la gente con la esperanza de comenzar una carrera en la ciencia de los datos sin ir a la universidad en absoluto.
En un Reddit AMA, Experto en inteligencia artificial y el cofundador de Google Brain Andrew Ng fue preguntado si un grado avanzado era necesario para trabajar en el aprendizaje automático. Dijo: , “¡Absolutamente no! Creo que un doctorado es una gran manera de aprender sobre el aprendizaje automático. Pero muchos de los mejores investigadores del aprendizaje automático no tienen un doctorado.”
Hablando más ampliamente, agregó que “las nuevas empresas —unas que saben cómo evaluar el talento de aprendizaje automático— se preocupan más por su capacidad y menos por la credencial (como MS o Ph.D.)”.
Daniel Carroll, un científico de datos principal en Aetna, se refirió a esto durante un reciente Preguntas y respuestas sobre el trampolín :
“Así que sólo tengo una licenciatura, pero eso definitivamente no es la norma. Muchos de los mejores científicos de datos y personas de inteligencia artificial con los que he trabajado han sido doctores. Ciertamente hay un sesgo hacia tener un grado cuantitativo avanzado, y creo que es bien merecido. Puede haber un sesgo en contra de las personas con sólo experiencia en el campo de entrenamiento también. Sin embargo, la única cosa que un campo de entrenamiento puede ofrecer que una universidad realmente buena no puede es una comprensión muy completa de cómo construir algo desde la ideación hasta el despliegue, esa es una capacidad de pleno derecho que no veo a menudo desde doctorados. Si puedes sacar eso a la luz en un currículum o entrevista, eso te hará brillar”.
Por supuesto, la comunidad de ex alumnos de Springboard está llena de ejemplos de personas que iniciaron carreras de ciencia de datos sin tener títulos en un área técnica.
David Gibson fue un estudiante de cine que cambió a marketing y luego comenzó a tomar el curso de Introducción a la Ciencia de Datos mientras todavía estaba en la escuela. Se trasladó a Data Science Career Track y ahora trabaja como coordinador de datos y operaciones en una compañía de publicidad móvil.
Después de graduarse con una licenciatura en ingeniería química, Melanie Hanna trabajó en una variedad de entornos de fabricación antes de pivotar a la ciencia de datos.
George Mendoza provinieron de una formación artística liberal, que se especializó en historia y economía. Poco después de completar el Data Science Career Track, consiguió un trabajo como científico de datos en una empresa de consultoría de IA startup.
Un grado avanzado “ciertamente ayuda”, dijo. “Es una buena señal de que puedes comprometerte con algo a largo plazo, obviamente tienes algo de rigor académico detrás de ti. Pero una vez que estás en la habitación con alguien, ya sea un gerente de contratación o un cliente, es sólo usted allí. No eres tú ni tus grados”.
Preguntas frecuentes sobre convertirse en un científico de datos sin un título
¿Todavía tiene preguntas sobre la búsqueda de la ciencia de los datos sin un título? Echa un vistazo a nuestras respuestas a las preguntas más frecuentes.
¿Qué calificaciones necesita para ser un científico de datos?
No hay requisitos formales obligatorios para convertirse en un científico de datos . Sin embargo, hay ciertas habilidades y destrezas que se espera que tengan todos los científicos de datos. Por ejemplo, se espera que los científicos de datos sean fluidos en lenguajes de programación como SQL y Python. Los científicos de datos también necesitan saber cómo construir y gestionar tuberías de datos, datos limpios y enredados, y utilizar estadísticas y probabilidad para obtener información de los macrodatos.
¿Es difícil acceder a la ciencia de los datos?
Si bien el papel de un científico de datos está menos orientado a la codificación en comparación con un ingeniero de software, todavía requiere tiempo y esfuerzo para aprender y desarrollar las habilidades necesarias para hacer el trabajo. A amplio campo de arranque de la ciencia de los datos puede tomar hasta seis meses para completar con un compromiso de estudio de 15-20 horas por semana. Aquellos que necesitan tomar Cursos introductorios de programación para familiarizarse con Python necesitará más tiempo.
¿Puede convertirse en un científico de datos sin un título en Ciencias de la Computación?
En resumen, sí. Muchos científicos de datos no tienen un título universitario en un campo relevante (o, en algunos casos, no tienen un título en absoluto). Lo que importa a las organizaciones es que un científico de datos posee las habilidades técnicas y blandas necesarias para hacer el trabajo.
Acerca de Sakshi Gupta
Sakshi es editor asociado de Springboard. Ella es una entusiasta de la tecnología que le encanta leer y escribir sobre la tecnología emergente. Ella es una vendedora de contenidos y tiene experiencia trabajando en los mercados indio y estadounidense.
Descargue nuestra guía para convertirse en un científico de datos en seis meses
Aprenda cómo aterrizar su trabajo de ciencia de datos de sueño en sólo seis meses en esta guía completa.
Artículos Relacionados: