Em 2012, a HBR denominou “cientista de dados” como o “trabalho mais sexy do século”. Mas o que a ciência de dados realmente implica? E mais importante, como você pode adquirir as habilidades necessárias para se chamar um cientista de dados?
O que é ciência de dados?
Era uma vez, os cientistas de dados estavam principalmente no espaço acadêmico. Agora, com o surgimento da coleta de big data e a necessidade de análise, os cientistas de dados tornaram-se altamente requisitados em uma série de empresas e indústrias, pequenas e grandes.
A ciência de dados como profissão incorpora uma gama de habilidades em matemática, estatística e programação de computadores. É uma indústria dominada por homens, as estimativas de mulheres em ciência de dados são em torno de 10%.
De acordo com Glassdoor, o salário médio nacional para cientistas de dados é de US $ 113.436. Olhando apenas para a compensação, a ciência de dados é muito mais atraente do que outras carreiras similares.
Habilidades necessárias para ser um cientista de dados
Como todos os trabalhos, as habilidades específicas necessárias para preencher cargos de ciência de dados dependem da empresa individual.
Mas existem certas qualificações / ferramentas de software que permanecem consistentes.
- Linguagens de programação estatística, como R e SAS
- Linguagem de consulta de banco de dados, como SQL
- Estatísticas básicas, como testes estatísticos, distribuições, estimadores de máxima verossimilhança e assim por diante
- Métodos de aprendizado de máquina, como k vizinhos mais próximos, florestas aleatórias, métodos de conjunto etc.
- Cálculo multivariável e álgebra linear
- Registro de dados e desenvolvimento de novos produtos orientados a dados
- Familiaridade com a plataforma Hadoop
- Ferramentas de visualização, como Flare, HighCharts ou AmCharts
Como se tornar um cientista de dados
Atualmente, existem três opções viáveis para se tornar um cientista de dados:
- Auto-estudo via programas como Udacity
- Participando de um campo de treinamento em ciência de dados
- Indo para a escola de pós-graduação para um mestrado
Claro, existem prós e contras para cada método.
Auto estudo
Prós:
- Conveniente: pode ser feito em seu próprio tempo, em qualquer ambiente e em qualquer ritmo
- Acessível: pode custar entre US $ 0 e US $ 600.
- Economiza tempo: os cursos on-line podem ser concluídos em 8 a 18 meses.
Contras:
- Apenas receba um certificado após a conclusão
- Nenhum envolvimento de peer-to-peer ou de professor para aluno
- Nenhuma ajuda com a procura de emprego
Data Science Boot Camp
Prós:
- Pouco tempo de compromisso: pode ser completado em 6 semanas a 3 meses
- Relativamente acessível, pelo menos em comparação com a obtenção de um mestrado (campos de boot variam de livre - US $ 16.000)
- Ideal para quem procura mudar de carreira rapidamente
- Muitos campos de treinamento oferecem assistência no processo de busca de emprego após a conclusão
Contras:
- Obtenha apenas um portfólio de projetos - sem experiência de trabalho "real"
- Muito a aprender em um curto espaço de tempo
- Poderia ser de até 40 horas por semana de trabalho (ao contrário do auto-estudo, onde você pode ir no seu próprio ritmo e ainda trabalhar a tempo parcial / a tempo inteiro)
Mestrado
Prós:
- Diploma após conclusão
- Aprendizagem estruturada com instrutores treinados profissionalmente
- Experiência no mundo real: muitos programas incluem estágios que irão adicionar experiência e conhecimento
- Tempo suficiente para aprender e absorver toda a informação
Contras:
- Caro: pode custar entre US $ 20.000 - US $ 70.000 - não incluindo despesas de manutenção
- Demorado: também pode levar mais tempo (9-20 meses)