Gracias Arjun Verma por A2A. Creo que esta es una pregunta importante para los recién llegados y permítame tratar de explicar todo de manera detallada.
Primero entender el bombo detrás de la ciencia de datos. Como científico de datos, me gustaría escribir las siguientes líneas para entender correctamente el campo de la ciencia de datos.
“Data Science” durará cuando el ser humano deje de producir más datos. ¡SÍ! es verdad. Si has visto el mercado actual, entonces no habrías venido con esta pregunta. Recuerde una cosa, las personas que están trabajando en el campo de análisis de datos no se verán afectadas por ningún “Bloqueo de mercado” porque habrá una gran analítica sobre cómo colapsa el mercado. …
- ¿Se puede hacer la preparación para los exámenes GATE e IES simultáneamente durante cuatro años de B.tech?
- ¿Cuáles son los mejores videos tutoriales para gate CSE?
- ¿Cómo debo prepararme para el GATE tomando el curso postal MADE EASY?
- ¿Cuáles son los temas más importantes en ingeniería de instrumentación que cubrirán la ponderación máxima en GATE 2018?
- Cómo empezar a prepararte para GATE EEE 2017 a partir de ahora
No habrá una palabra ÚLTIMA para el análisis de datos tic
En pocas palabras, si desea probar suerte en el campo de la analítica, entonces no piense en tales preguntas. Estudie más, intente más y tenga una carrera exitosa.
Data Scientist está siendo llamado como el “trabajo más sexy” del siglo XXI.
Hal Varian , economista jefe de Google, es famoso por decir que “el trabajo más sexy en los próximos 10 años serán los estadísticos”. En 2009, no podíamos haber sabido cuánta razón estaba a punto de llegar a ser, con una pequeña diferencia: Se llama Data Scientists ahora. Y están a punto de apoderarse del mundo.
Data Science o Data Scientist se trata de “El uso de métodos automatizados para analizar grandes cantidades de datos y extraer conocimiento de ellos”.
Esencialmente, la ciencia de los datos se trata de usar la gran cantidad de datos que las organizaciones están recopilando para obtener nuevos conocimientos, identificar tendencias y encontrar formas de racionalizar las prácticas comerciales. Cuando considera que en 2020 el mundo generará 50 veces más datos que en 2011, no es de extrañar que haya crecido toda una disciplina para ayudar a las personas a darle sentido.
Whoa! Espere..!!! Los datos 50x aumentarán a finales de 2020. Es enorme y deben manejarse correctamente.
Déjame decirte por qué hay una demanda tan repentina que ha aumentado? [Tengo el informe de Accenture que le dará las respuestas]
La demanda de buenos científicos de datos ha aumentado en gran parte debido a que el movimiento de grandes volúmenes de datos se ha convertido en una tendencia general. Las empresas buscan cada vez más formas de utilizar las enormes cantidades de datos que están recopilando y almacenando para obtener nuevos conocimientos.
Según un informe de Accenture, el 87% de las empresas cree que el análisis de big data redefinirá el panorama competitivo de sus industrias en los próximos tres años. Y el 89% cree que las empresas que no tengan una estrategia de análisis de big data en el próximo año corran el riesgo de perder participación de mercado y no serán tan competitivas.
[Referencia: Internet industrial cambia el panorama competitivo – Accenture]
La importancia de la analítica de datos se refleja en los hábitos de gasto de la empresa. Un enorme 73% de las compañías dice que está gastando más del 20% de su presupuesto de tecnología en el análisis de big data. Utilizan este dinero para invertir tanto en recursos tecnológicos como en recursos humanos para aumentar la rentabilidad, obtener una ventaja competitiva y mejorar la seguridad ambiental.
El problema es que, si bien se reconoce que un buen talento para los datos es fundamental para beneficiarse del análisis de datos, aproximadamente 4 de cada 10 empresas dicen que sus equipos carecen de las habilidades adecuadas. En su informe, Forrester Research resumió el problema muy bien diciendo que “las empresas se están ahogando en datos pero se mueren de hambre por ideas”. No es de extrañar entonces, que la demanda de científicos de datos haya crecido tan rápidamente.
¿Qué datos pueden esperar los científicos?
Las responsabilidades laborales de un científico de datos varían ampliamente de un sector a otro e incluso de una compañía a otra dentro de esos sectores. Sin embargo, en general, el rol del científico de datos es analizar todas las corrientes de datos entrantes (tanto internas como externas) con el objetivo de descubrir nuevas perspectivas. Luego deben convertir esas ideas en recomendaciones para obtener una ventaja competitiva o resolver un problema empresarial acuciante.
La ciencia de datos de hoy va más allá de simplemente recopilar e informar sobre datos. Los científicos de datos necesitan no solo cuestionar y explorar los supuestos y procesos existentes, sino también poder comunicar sus hallazgos y recomendaciones de manera que el liderazgo de la organización pueda entender y actuar.
El repentino aumento en la demanda de científicos de datos ha creado una brecha de habilidades increíble. McKinsey estima que para 2018, la economía de los EE. UU. Tendrá una escasez de 140,000 a 190,000 personas con experiencia analítica. Esta escasez significa que los buenos científicos de datos pueden exigir el mejor precio por sus servicios.
El NY Times informó que los salarios para los científicos de datos de nivel de entrada habían aumentado a $ 91,000 a nivel nacional y $ 110,000 en Silicon Valley. Los científicos de datos más experimentados pueden esperar más de $ 250,000 más bonos. De hecho, de acuerdo con glassdoor, la ciencia de datos es actualmente el 15 ° trabajo mejor pagado en Estados Unidos.
[Informe Glassdoor: Los mejores trabajos en América]
Con tantas compañías que luchan por el talento y los salarios en aumento, no es de extrañar que en una reciente infografía de LinkedIn se ubique a Data Scientist como el quinto título de trabajo de más rápido crecimiento en 2013.
[Informe de LinkedIn: Top 10 títulos de trabajo que no existían hace 5 años [INFOGRAFÍA]]
Es muy simple, hay un crecimiento de 30x en los últimos 5 años y, como ya dije antes de finales de 2020, habrá datos de 50x disponibles para procesar.
- Hay un crecimiento de 30x en los últimos 5 años.
- A finales de 2020, habrá datos de 50x disponibles para procesar
- Habrá una gran escasez de Data Scientist en 2018
Todas las estimaciones lo llevan a una conclusión: habrá una buena carrera en el campo de Data Scientist y, por supuesto, grandes tiros como Google, Amazon, Facebook, LinkedIn, etc. estarán en una carrera para atraer a los mejores talentos a su organización.
Nota al pie: No busques salario, busca la excelencia. Si muestra su potencial, entonces hay un aumento en el salario.
Todo lo mejor para su carrera en el campo de la analítica de datos. 🙂
Lea también este artículo: Dígales a sus hijos que sean científicos de datos, no médicos
Ahora hablemos de GATE-2017. El examen GATE es otra forma de convertirse en científico de datos. ¡Sí! está bien. Si su puntaje de GATE es alto, puede obtener fácilmente la admisión en universidades de renombre en la India, donde puede elegir la especialización en APRENDIZAJE DE MÁQUINAS Y RED NEURAL O AI. Estos son los campos que hay que conocer en la ciencia de datos.
Otra forma de comenzar a aprender la ciencia de datos es a la manera propia. ¡Sí! Puedes comenzar a aprender ciencia de datos por ti mismo. (Licenciatura en suficiente)
Aquí está el montón de formas que he seguido para convertirse en científico de datos.
Hay muchos lugares donde puedes aprender “Ciencia de datos” desde cero. Primero necesitas roadmap para aprender Data Science.
La mejor hoja de ruta para prepararse para Data Science:
- Aprender lenguaje de programación: ¡Sí! Necesitas aprender lenguajes de programación. Pruebe Python primero, ya que es muy fácil de aprender y entra en la categoría de código abierto. Aprenda sobre Python aquí: Tutoriales de Python: Temporada 1 (No necesita ser Python Ninja, solo se necesita información básica). A continuación, pruebe sus manos en el lenguaje de programación “R”. También es de código abierto. Learn R Here: DataCamp: la forma más fácil de aprender R & Data Science (es gratis)
- El conocimiento de SQL es necesario: como vas a jugar con mucha información, mi recomendación es aprender SQL. Puede aprender SQL aquí: SQLZOO o del canal de youtube “Manish Sharma”: tutoriales de SQL para principiantes / tutoriales de Oracle Database.
- Aprendamos Estadística y probabilidad: la probabilidad también se conoce como la ciencia de la incertidumbre y ese concepto es el más importante en el campo de la DS. Puedes aprenderlo de los cursos del MIT. Aquí está el enlace de youtube: Probabilidad y Estadística MIT
- Aprendizaje automático: otro tema importante que todos deberían aprender es el “Aprendizaje automático”. Necesitas tener conocimientos de matemáticas para aprender ML. Aquí está el mejor tutorial del mundo sobre ML: Colección de conferencias | Aprendizaje automático
- Aprenda el procesamiento del lenguaje natural: Aquí está la mejor referencia, el procesamiento del lenguaje natural con Python
Hay muchos proyectos ficticios disponibles en internet. Intenta terminarlo. Hacer el hogar de la ciencia de datos, etc.
Ahora depende de usted la forma que elija para lograr su sueño. Todo lo mejor de lado.
[Necesito más ayuda entonces no dudes en mandarme un mensaje]
Feliz aprendizaje 🙂
Referencia: la respuesta de Akash Dugam a ¿Cuál es el mejor lugar para aprender Data Science desde cero? ¿Hay algo como freecodecamp?
También lea: La respuesta de Akash Dugam a ¿Dónde debería empezar para aprender sobre el desarrollo de big data?
