Punt de vista professional: què és Data Science?

Avui les "grans dades", "analítiques", i similars són tendències. I per bones raons.

El 2012, HBR va anomenar "científic de dades" com el "treball més sexy del segle". Però, què comporta realment la ciència de dades? I el que és més important, com podeu adquirir les habilitats necessàries per a dir-vos un científic de dades?

Què és Data Science?

Hi havia una vegada, els científics de dades es trobaven principalment a l'espai acadèmic. Ara, amb l’augment de la recopilació de grans dades i la necessitat d’anàlisi, els científics de dades s’han convertit en una gran demanda en diverses empreses i indústries, petites i grans.

La ciència de dades com a professió incorpora un ventall d’habilitats en matemàtiques, estadístiques i programació d’ordinadors. És una indústria dominada per homes, les estimacions de les dones en ciències de les dades són al voltant del 10%.

Segons Glassdoor, el salari mitjà nacional per als científics de dades és de $ 113,436. Pel que fa a la compensació per si sola, la ciència de dades és molt més atractiva que altres carreres similars.

Necessitats per ser un científic de dades

Igual que tots els llocs de treball, les habilitats específiques necessàries per cobrir les posicions de les ciències de dades depenen de la companyia.

Però hi ha algunes eines de programari / habilitats que continuen sent coherents.

• Llenguatges de programació estadístics, com R i SAS
• Llenguatge de consulta de bases de dades com SQL
• Estadístiques bàsiques com proves estadístiques, distribucions, estimadors de màxima versemblança, etc.
• Mètodes d'aprenentatge automàtic com k-veïns més propers, boscos aleatoris, mètodes de conjunt, etc.
• Càlcul multivariable i àlgebra lineal
• Registre de dades i desenvolupament de nous productes basats en dades
• Coneixement de la plataforma Hadoop
• Eines de visualització com Flare, HighCharts o AmCharts

Com esdevenir un científic de dades

Avui en dia, hi ha tres opcions viables per esdevenir un científic de dades:

• Autoestudi a través de programes com Udacity
• Assistir a un camp d'arrencada de ciències de dades
• Anar a l’escola de postgrau per obtenir un títol de màster

Per descomptat, hi ha pros i contres per a cada mètode.

Acte estudi

Pros:

• Convenient: es pot fer en el seu propi temps en qualsevol entorn i a qualsevol ritme
• Assequible: podria costar entre $ 0-600.
• Estalvia temps: els cursos en línia es poden completar entre 8 i 18 mesos.

Contres:

• Només rebre un certificat un cop finalitzada
• No hi ha cap implicació entre parells o alumnes
• Sense ajuda per a la recerca de feina

Data Science Boot Camp

Pros:

• Poc compromís de temps: es pot completar entre 6 setmanes i 3 mesos
• Relativament assequible, com a mínim en comparació amb l’obtenció d’un títol de màster
• Ideal per a aquells que vulguin canviar de carrera ràpidament
• Molts camps d’arrencada ofereixen ajuda en el procés de cerca d’ocupació després d’haver acabat

Contres:

• Aconsegueix només una cartera de projectes, sense experiència de treball "real"
• Molt per aprendre en un curt període de temps
• Podria ser fins a 40 hores setmanals de feina (a diferència de l’autoaprenentatge on podeu anar al vostre ritme i seguir treballant a temps parcial o complet)

Grau de màster

Pros:

• Diploma un cop finalitzada
• Aprenentatge estructurat amb instructors formats professionalment
• Experiència del món real: molts programes inclouen pràctiques professionals que afegiran experiència i coneixements
• Temps per aprendre i absorbir tota la informació

Contres:

• Costós: podria costar entre 20.000 i 70.000 dòlars, sense incloure les despeses de vida
• Consumició de temps: també pot trigar més (9-20 mesos)