Monty Rakusen / Getty Images
Hoy en día, «big data», «análisis» y similares son palabras de moda. Y por una buena razón.
En 2012, HBR nombró a «científico de datos» como el «trabajo más sexy del siglo». Pero, ¿qué implica realmente la ciencia de datos? Y, lo que es más importante, ¿cómo puede adquirir las habilidades necesarias para llamarse científico de datos?
¿Qué es la ciencia de datos?
Érase una vez, los científicos de datos estaban principalmente en el espacio académico. Ahora, con el auge de la recopilación de macrodatos y la necesidad de análisis, los científicos de datos se han vuelto muy solicitados en una variedad de empresas e industrias, pequeñas y grandes.
La ciencia de datos como profesión incorpora una variedad de habilidades dentro de las matemáticas, la estadística y la programación informática. Es una industria dominada por hombres; las estimaciones de mujeres en la ciencia de datos son alrededor del 10%.
Según Glassdoor, el salario nacional promedio de los científicos de datos es de 113.436 dólares. Mirando solo la compensación, la ciencia de datos es mucho más atractiva que otras carreras similares.
Habilidades necesarias para ser un científico de datos
Como todos los trabajos, las habilidades específicas necesarias para ocupar puestos de ciencia de datos dependen de la empresa individual.
Pero hay ciertos conjuntos de habilidades / herramientas de software que siguen siendo consistentes.
- Lenguajes de programación estadística , como R y SAS
- Lenguaje de consulta de bases de datos como SQL
- Estadísticas básicas como pruebas estadísticas, distribuciones, estimadores de máxima verosimilitud, etc.
- Métodos de aprendizaje automático como k-vecinos más cercanos, bosques aleatorios, métodos de conjunto, etc.
- Cálculo multivariable y álgebra lineal
- Registro de datos y desarrollo de nuevos productos basados ??en datos
- Familiaridad con las plataformas Hadoop
- Herramientas de visualización como Flare, HighCharts o AmCharts
Cómo convertirse en un científico de datos
Hoy en día, existen tres opciones viables para convertirse en científico de datos:
- Autoaprendizaje a través de programas como Udacity
- Asistir a un campo de entrenamiento de ciencia de datos
- Ir a la escuela de posgrado para obtener una maestría
Por supuesto, cada método tiene sus pros y sus contras.
Autoestudio
Pros:
- Conveniente: se puede hacer en su propio tiempo en cualquier entorno y a cualquier ritmo.
- Asequible: podría costar entre $ 0 y $ 600.
- Ahorra tiempo: los cursos en línea se pueden completar en un plazo de ocho a 18 meses.
Contras:
- Reciba un certificado solo después de completarlo
- Sin participación de igual a igual o de maestro a alumno
- Sin ayuda con la búsqueda de empleo
Boot Camp sobre ciencia de datos
Pros:
- Compromiso de poco tiempo: se puede completar en seis semanas a tres meses
- Relativamente asequible, al menos en comparación con obtener una maestría (los campamentos de entrenamiento varían desde gratis hasta $ 16,000)
- Ideal para quienes buscan cambiar de carrera rápidamente
- Muchos campamentos de entrenamiento ofrecen asistencia en el proceso de búsqueda de empleo una vez finalizado.
Contras:
- Obtenga solo una cartera de proyectos, sin experiencia laboral «real»
- Mucho que aprender en poco tiempo
- Podría ser hasta 40 horas a la semana de trabajo (a diferencia del autoestudio, donde puede ir a su propio ritmo y seguir trabajando a tiempo parcial o completo)
Maestría
Pros:
- Diploma al finalizar
- Aprendizaje estructurado con instructores capacitados profesionalmente
- Experiencia del mundo real: muchos programas incluyen pasantías que se suman a la experiencia y el conocimiento.
- Tiempo suficiente para aprender y absorber toda la información.
Contras:
- Caro: podría costar entre $ 20,000 y $ 70,000, sin incluir los gastos de manutención
- Requiere mucho tiempo: también puede llevar más tiempo (de nueve a 20 meses)
Tabla de contenidos
