¿Vale la pena aprender ciencia de datos en 2022?
Exactamente cómo se puede enseñar a sí mismo la ciencia de los datos de tres maneras diferentes sin romper el banco
Hay un problema común con cada artículo que se ha escrito sobre cómo auto-aprendizaje de la ciencia de los datos: no te enseñan cómo ampliar tu aprendizaje para cumplir con los requisitos del mundo real.
No me malinterpretes, incluso mis artículos sobre ciencia de datos de auto-aprendizaje han caído presa de este mismo número. En lugar de proporcionar un plan definitivo para el crecimiento que ayuda a los lectores a crecer sus habilidades de tal manera que pueden golpear el terreno funcionando una vez contratado, en cambio tienden a la meseta justo en la parte donde los lectores están empezando a construir su cartera de ciencia de datos.
El nombre del juego es escalabilidad , especialmente si eres una de esas almas que desean aprender la ciencia de los datos dentro del año y lograr ese escurridizo salario de seis cifras de los que habla todo el mundo en la industria.
Incluso en 2022, la ciencia de los datos es sin duda uno de los campos tecnológicos más sexys para entrar, con salarios de seis cifras, bajas tasas de desempleo y la capacidad de trabajar desde cualquier parte del mundo. Si la pandemia nos ha recordado algo, es que los datos afectan a todas las industrias y su comprensión es clave para asegurar que el mundo siga girando. Hay espacio para los científicos de datos en cada industria imaginable dejándole abierto para aprender las habilidades necesarias para entrar en un papel de la ciencia de datos en cualquier industria que le inspira.
La guía de este año presenta tres opciones para el aprendizaje de la ciencia de los datos: programas en línea, campos de entrenamiento y un currículo de autoaprendizaje utilizando recursos en línea. Después de escribir la guía del año pasado sobre cómo auto-aprendizaje de la ciencia de los datos, me di cuenta de que no todo el mundo aprende de la misma manera. Al cubrir las tres opciones por ahí, incluyendo programas de certificación en línea, campos de entrenamiento y autoaprendizaje completo, las personas de todos los tipos y medios de aprendizaje serán más capaces de beneficiarse y con suerte cumplir su objetivo de convertirse en científicos de datos.
A partir de 2022, hay tres programas de ciencia de datos en línea proporcionados por algunos de los nombres más grandes de la tecnología que han sido muy exitosos en la enseñanza de la ciencia de datos de los estudiantes.
Google, IBM y Microsoft han desarrollado tres programas de ciencia de datos en línea de clase mundial que ayudan a los estudiantes a convertirse en científicos de datos sin tener que eliminar los miles necesarios para un título tradicional de cuatro años en ciencias de datos.
Mientras que cada programa es diferente, el hecho es que cada uno le proporciona el conocimiento necesario para convertirse en un científico de datos por menos de $500 (USD). Estos programas también son reconocidos por los empleadores y han proporcionado puertas de entrada para que las personas entren en la profesión de ciencia de datos que de otro modo no hubieran tenido la oportunidad.
En abril de 2021, escribí un artículo repasando y comparando estos tres programas. A continuación se muestra un resumen de mis hallazgos que proporciona una comparación general de cada programa para ayudarle a elegir el programa adecuado para usted. Para leer el artículo completo:
¿Quién debe tomar un programa en línea para aprender ciencia de datos?
Los tres programas de ciencia de datos en línea descritos anteriormente son para personas que actualmente son estudiantes, están trabajando a tiempo completo o parcial, o que tienen compromisos de vida que hacen difícil estudiar a tiempo completo. Estos programas se pueden estudiar durante unas horas cada semana.
Además, estos programas (excepto el de Microsoft, que es gratuito aparte de la cuota de examen) son para las personas que tienen un poco de dinero que puede poner para sus estudios, pero no tanto que un campo de entrenamiento o un título tiene sentido.
Por último, estos programas son para personas que necesitan un poco más de dirección en su camino de aprendizaje de lo que se da por el aprendizaje autodirigido y que necesitan un poco más de motivación para realizar sus estudios (cuanto más rápido termine el programa, menos tendrá que pagar).
Cómo elegir el programa de ciencia de datos en línea adecuado para usted.
- Elija el programa que enseña las tecnologías que más le interesan (y que se utilizan principalmente en su industria objetivo).
- Elija el programa que usted siente le da la mejor explosión para su dólar (esto dependerá de lo que es más importante para usted en un entorno de aprendizaje).
- Elija el programa que le da experiencia práctica y que le ayudará a construir su cartera de ciencia de datos (los proyectos de fin de programa son clave).
- Elija el programa que ofrece aprendizaje profesional y asistencia (es decir, preparación de entrevistas, ayuda para la construcción de curriculum vitae, entrevistas simuladas, eventos de creación de redes profesionales).
Cómo estudiar para estos programas de ciencia de datos en línea.
He aquí algunos recursos sobre cómo estudiar mejor para estos programas de ciencia de datos:
Cómo escalar su aprendizaje después de completar un programa en línea.
Por suerte, los programas de ciencia de datos en línea disponibles (especialmente el programa proporcionado por Google, lea mi artículo completo sobre por qué Google tiene el mejor curso de ciencia de datos en línea — enlazado arriba) ofrecen el trato de comida completa que le proporciona el aprendizaje teórico, práctico y post-curso requerido para escalar sus habilidades después de completar el curso.
Dado que la finalización de estos cursos es una gran manera de entrar en la industria y conocer a profesionales de la ciencia de los datos que pueden ayudar a obtener esa primera experiencia en el mundo real, el siguiente paso después de completar estos cursos es buscar pasantías en ciencias de los datos o hacer un trabajo pro bono que construya sus habilidades de resolución de problemas en el mundo real.
La clave es trabajar en proyectos que le ayuden a construir habilidades de resolución de problemas para una industria en particular, así como para ganar conocimiento de la industria. Estas dos cosas te ayudarán a salir adelante cuando consigas tu primer trabajo a tiempo completo como científico de datos.
Para las personas que tienen más dinero y tiempo que se puede dedicar a sus estudios de ciencia de datos, los campos de entrenamiento pueden ser el camino a seguir.
Los campos de entrenamiento de ciencia de datos se ofrecen en línea o en persona y pueden durar entre 1 y 6 meses, con matrículas que varían de $9,000 a $20,000. La longitud, estructura y complejidad del bootcamp determinan su costo global, así como su calidad.
Los campos de investigación científica de datos han experimentado un crecimiento exponencial, con cientos de empresas que ahora ofrecen estas oportunidades de aprendizaje de vía rápida. Aquí hay un gran recurso que proporciona un resumen de 10 de los mejores campos de entrenamiento de ciencia de datos para 2021, así como otras 17 menciones honorables que vale la pena considerar:
¿Quién debería tomar un campo de entrenamiento de ciencia de datos?
Los Bootcamps son para personas con tiempo y dinero que pueden ser gastados en su educación en ciencias de datos. Estos programas son generalmente extremadamente intensivos, lo que significa que se requiere un estudio a tiempo completo (como es vivir en un lugar diferente por una cantidad prolongada de tiempo si asiste a un campo de entrenamiento en persona).
Los Bootcamps también son para personas que necesitan un entorno de aprendizaje muy estructurado y aprenden mejor cuando reciben instrucción en un aula. Bootcamps también son grandes oportunidades para obtener comentarios instantáneos de los instructores y para obtener ayuda de los compañeros de clase.
- Elija un campo de entrenamiento que sea completamente transparente acerca de su tasa de éxito y resultados (no todos los campos de entrenamiento se crean iguales cuando se trata de enseñar un currículo de alta calidad que consigue sus trabajos de los estudiantes).
- Escoja un campo de entrenamiento que reciba excelentes críticas de los estudiantes que puedan dar fe del éxito del programa (usted está pagando mucho dinero, usted podría también asegurarse de que usted está eligiendo un programa que es el ajuste correcto y que proporcionará éxito a sus estudiantes).
- Elija un campo de entrenamiento que enseñe las tecnologías que más le interesan y que sean más relevantes en su industria objetivo.
- Escoja un campo de entrenamiento que ofrezca diferentes opciones de financiamiento (los buenos campos de entrenamiento ofrecen préstamos, opciones de financiamiento o tienen una garantía de que no tendrá que pagar un centavo hasta que tenga un trabajo, asegúrese de leer la letra pequeña).
Cómo escalar su aprendizaje después de un campo de entrenamiento de ciencia de datos.
Si usted ha elegido el campo de arranque de ciencia de datos correcto, usted debe estar sentado en una reunión con su nuevo jefe hablando de su primer gran proyecto poco después de graduarse. En otras palabras, usted debe tener todas las habilidades que necesita para golpear el terreno funcionando en su primer trabajo de ciencia de datos.
Si no, el siguiente paso para escalar tu aprendizaje para conseguir tu primer trabajo es revisar las habilidades que aprendiste y asegurarte de que se aplican a tu industria objetivo. Este es el momento de identificar cualquier vacío en su aprendizaje y aprender cómo obtener el conocimiento de la industria necesario para llegar a un estado empleable. Para llenar estas lagunas, eventos de networking, noches de información local o talleres pueden ser grandes herramientas para ayudarle a aprender información clave de la industria.
El siguiente paso es aplicar esa información de la industria a los proyectos de ciencia de datos personales. Muchas empresas dan a conocer al público los datos que desean haber analizado. Este es un gran momento para resolver un problema del mundo real y para mostrar a estas empresas que usted tiene respuestas a sus principales preguntas de datos.
Otras oportunidades de escalar incluyen solicitar pasantías no remuneradas, trabajar con un mentor o hacer un trabajo pro bono para mejorar y ampliar su repertorio de habilidades en ciencia de datos.
Además, ahora es el momento de aprender a aplicar sus habilidades en ciencia de datos a nivel empresarial. Bootcamps a menudo tiene que trabajar en pequeños proyectos que no se incorporarán en el esquema más grande de las cosas, mientras que en el mundo real su trabajo tendrá que ser capaz de ser incluido en los sistemas principales sin causar hipos mayores. Esto significa aprender a utilizar tecnologías como servicios en la nube y big data, así como cómo escribir código listo para la producción.
Construir un plan de estudios de autoaprendizaje es el método más barato, flexible y personalizado para aprender ciencia de datos. No sólo puede aprender ciencia de datos de forma gratuita (o casi gratuita), sino que también puede hacerlo a su propio ritmo utilizando recursos que son altamente accesibles en la web.
Gracias a la generosidad e ingenio de los científicos de datos de hoy en día, se ha vuelto aún más fácil desarrollar su plan de aprendizaje para abordar incluso los conceptos más complicados en la ciencia de datos.
El siguiente plan de estudios propuesto se divide en cinco secciones que se presentan en el orden en que deben aprenderse: programación, matemáticas y estadísticas, análisis y visualización de datos, aprendizaje automático y proyectos.
Nota: Usted puede notar que muchos de estos cursos son los mismos que los descritos en el 2021 plan de estudios . Los cursos que se enumeran a continuación son parte de una lista refinada que han sido cuidadosamente seleccionados después de pasar por los cursos en el plan de estudios de 2021. Estos cursos comisariados para 2022 ofrecen los mejores ejemplos de aprendizaje que ofrecen experiencias completas y habilidades transferibles, todo envuelto en formatos fáciles de entender.
Aprendizaje automático
Proyectos
Los siguientes enlaces proporcionan ideas y recursos para ayudarle a seleccionar proyectos que utilizan todas las habilidades que ha aprendido para desarrollar sus habilidades de resolución de problemas, su conocimiento de la industria, y lo más importante, su cartera de ciencia de datos.
¿Quién debe seguir un currículo de autoaprendizaje para la ciencia de datos?
Los currículos de autoaprendizaje son para personas que son capaces de sostener estudios enfocados por sí mismas con poca estructura. El plan de estudios de autoaprendizaje es para alguien que necesita flexibilidad, pérdida de costo y aprendizaje completamente personalizado.
Los currículos de autoaprendizaje también son grandes opciones para las personas que ya tienen algunos de los conocimientos fundamentales necesarios para convertirse en un científico de datos, pero sólo necesitan unir las piezas. Por ejemplo, esta es una gran opción de aprendizaje para alguien que tiene formación de desarrollador de software o que es un matemático, pero sólo tiene que llenar las habilidades faltantes.
Cómo auto-estudio de la ciencia de los datos.
Una cosa es armar todo un currículo de ciencia de datos. Es otro para seguir adelante y completarlo. El auto-estudio es una experiencia única que requiere la combinación correcta de disciplina, motivación y enfoque. Para aquellos que nunca se han estudiado a sí mismos antes, puede ser fácil entrar en el proceso lleno de energía sólo para quemarse unas semanas después.
Aquí están algunos recursos que dan una visión de cómo auto-aprender la ciencia de los datos (y cómo seguir con ella):
Cómo escalar su aprendizaje después de auto-estudiar la ciencia de los datos.
Al igual que con los otros dos caminos de aprendizaje mencionados anteriormente, la clave para escalar su aprendizaje después de haber aprendido lo básico es centrarse en el aprendizaje de habilidades de resolución de problemas en el mundo real, así como cómo escribir código listo para la producción y la cantidad adecuada de conocimientos de la industria necesarios para hacer un impacto.
Esta escala es especialmente importante para los alumnos que se autoestudian porque la naturaleza guiada de las opciones remuneradas generalmente proporciona este tipo de instrucción y este tipo de oportunidades.
Ofrecer hacer trabajo pro bono, competir en hackathons, trabajar en datos del mundo real proporcionados por empresas que buscan tener un problema específico resuelto, o trabajar como pasante son todas grandes oportunidades para crecer su conocimiento después de aprender los fundamentos. Lo importante es obtener experiencia práctica trabajando como un “científico de datos” para solidificar su comprensión de los conceptos y aprender a aplicarlos en el mundo real.
El camino para convertirse en un científico de datos es cada vez más accesible con cada año que viene, proporcionando a los aspirantes a científicos de datos la oportunidad de aprender de una multitud de maneras con flexibilidad en torno a diferentes situaciones.
La flexibilidad y la elección fueron los dos temas principales que se abordaron en la construcción de la guía de este año para el aprendizaje de la ciencia de los datos, con un enfoque en reconocer que ninguna manera es la correcta. Esta guía proporciona un enfoque mejorado y comisariado para el aprendizaje de la ciencia de los datos que se centra en lo que funcionó el año pasado y cómo mejorar la experiencia este año.
El único requisito ahora es escoger tu camino, dedicarte a este nuevo esfuerzo, y cosechar las recompensas que vienen con el aprendizaje de esta habilidad altamente buscada.
Artículos Relacionados: