Cómo comenzar a aprender ciencia de datos y convertirse en un maestro en ello

Answer 1

Hola:

Ya que eres programador. No debería ser un gran problema para usted aprender ciencia de datos. Muchas de las personas que he conocido en mis más de 15 años de carrera en ciencia de datos son científicos de datos y profesionales analíticos.

En mi opinión, este viaje implica cuatro fases:

Fase 1- Aprendiendo las cuerdas

Fase 2- Encontrar un trabajo

Fase 3- Tener éxito en tu carrera de ciencia de datos

Fase 4- Disfrutando de los beneficios de su valor y pasión

Permítanme detallar cada fase a continuación.

Fase 1- Aprendiendo las cuerdas

Sepa si está hecho para ser un científico de datos y luego comience su viaje siguiendo los tres pasos que se detallan a continuación:

Primer paso: autoevalúe si tiene las siguientes habilidades, que en mi opinión son imprescindibles para que pueda lograr el éxito en la vida de Data Science

1. Amor por los números y las cosas cuantitativas.
2. Grit para seguir aprendiendo
3. Alguna experiencia en programación (preferida)
4. Enfoque de pensamiento estructurado
5. Pasión por resolver problemas
6. Voluntad de aprender conceptos estadísticos.

Segundo paso Si cree que demuestra las habilidades y aptitudes anteriores y / o está dispuesto a aprender, continúe con el segundo paso. Esta es una etapa de aprendizaje GRATUITA. ¡Y puedes comenzar este viaje ahora mismo! Le sugiero que visite Coursera, edX, LinkedIn Learming (Lynda.com) y otras plataformas de aprendizaje en línea. Hay varios cursos GRATUITOS disponibles que debes comenzar a aprovechar. Comience a tomar estos cursos e intente hacerlo lo mejor posible. Asegúrese de finalizar todas las tareas y cuestionarios para obtener el máximo valor de los cursos en línea.

Además, debido a la democratización de ML / AI, Google, IBM y otras compañías similares han facilitado que todos tengamos acceso y crezcamos nuestro conocimiento sobre Big data, herramientas y técnicas de ML / AI. Algunas de las herramientas gratuitas que debes probar para dar una vuelta son:

o Pila de aprendizaje automático de Google – tensorflow

o Apache Spark

o IBM Watson

o Microsoft Azure

Simplemente haga google y encontrará enlaces para las pilas anteriores. Comencemos con los aprendizajes gratuitos.

Tercer paso: una vez que haya probado algunos cursos gratuitos y decida unirse a un curso de ciencias de datos, aquí encontrará una guía sobre cómo elegir el programa adecuado para usted.

1. Autodidacta vs Instructor dirigido – Prefiere instructor dirigido ya que esto le dará más oportunidades para aclarar sus dudas. Según una estadística, el 80–90% de los estudiantes no completan su curso a su propio ritmo / basado en videos.
2. Online vs Class-room- Algunas personas prefieren las aulas para el aprendizaje cara a cara y la interacción con otros estudiantes. Sin embargo, los cursos en línea son igualmente efectivos si estás motivado.
3. Calidad de los instructores: hay dos tipos de formadores en el mercado. 1- Quienes han realizado algunos cursos y ahora están haciendo la capacitación 2- Profesionales de la industria. Estas son las personas que han trabajado durante años significativos en la industria. Siempre debe preferir aprender de profesionales de la industria con experiencia laboral significativa. Debo advertirle que, desafortunadamente, hay algunas personalidades falsas en esta industria, así que verifique usted mismo el perfil de linkedin del entrenador y vea cuántas personas han respaldado al instructor o al profesorado por las habilidades de ciencia de datos. Si no ve o tiene muy poco respaldo, es una bandera roja.
4. Asistencia de colocación: verifique si el instituto proporciona asistencia de colocación o no. También solicite estadísticas sobre cuántas personas han sido ubicadas con éxito por ellos . En última instancia, esta es una de las principales razones por las que contemplan tomar un curso después de todo.
5. Estudios de casos prácticos y tareas: elija el curso que le ofrece varios conjuntos de datos y problemas de la industria del mundo real para trabajar . Prefiere los que tienen Learning Managment System (LMS) además de eso para el aprendizaje complementario.
6. Ayuda continua : no dominará los temas en 1 o 2 meses, le llevará varios meses construir consuelo en estos temas. Se prefiere un instituto que brinde ayuda a largo plazo con sus necesidades de aprendizaje y responda sus consultas en el futuro.
7. Certificación: si todo lo demás es igual, una certificación de un instituto reputado será mejor.
8. Pruebas y tareas: es fundamental evaluar su comprensión periódicamente mediante pruebas y tareas. Un buen instituto dará toneladas de pruebas y tareas y proporcionará la calificación y la retroalimentación .
9. Precio- ¿Cómo podemos olvidar esto? Evalúa si el curso tiene una buena relación calidad-precio o no. Compara los contenidos y el número de horas. Es mejor un instituto que ofrezca más contenido y más horas de contacto por cada centavo que pague.

Fase 2- Encontrar un trabajo

Esto podría ser complicado, pero aquí hay algunos consejos para ayudarlo:

1. Si eres más nuevo (0–2 años de experiencia), será más fácil.
2. Si está haciendo algo similar en su función actual, será mucho más fácil para usted demostrar su idoneidad a un posible empleador. Si estás involucrado en algo totalmente diferente, será un poco más difícil
3. Necesita conocer los conceptos y la aplicación práctica. Idealmente, debería tener algunos proyectos en los que ya haya aplicado las habilidades.
4. Si ha participado en alguna competencia (como Kaggle) y lo ha hecho bien, resalte estas actividades en su currículum de manera destacada. Hay empresas que le ofrecerán sus trabajos si puede obtener buenos resultados en estas competencias.
5. Varios empleadores hoy en día tienen Hackathon y abren desafíos para que cualquiera participe. Si lo haces bien, ¡obtienes un trabajo para ti!
6. Una cosa que siempre funciona es pasar por una referencia en la empresa.
7. Complete los cursos GRATUITOS que ofrece Coursera, etc. y mencione eso en su currículum.
8. Cree visibilidad para usted participando en blogs y foros
9. No insista en encontrar un papel a tiempo completo desde el principio. Esté abierto a unirse como pasante o trabaje para obtener los beneficios mínimos para construir la experiencia. Más tarde puedes capitalizarlo.
10. En igualdad de condiciones, las empresas más pequeñas pueden estar más dispuestas a acogerlo, en comparación con MNC, etc.

Por último, pero no menos importante, ¡nunca te rindas! Si realmente lo quieres, lo obtendrás.

Fase 3- Tener éxito en tu carrera de ciencia de datos

Aquí están mis 10 punteros principales para garantizar un éxito duradero.

1. Aprende tanto como sea posible. Pase de 4 a 5 horas cada semana en el aprendizaje y el desarrollo y conozca lo último en la industria
2. Desafío del status quo. Nunca suponga que lo que se está haciendo está siguiendo el enfoque más efectivo
3. Cree que eres igual a todos los demás en la jerarquía. No tengas miedo de decir lo que piensas
4. Concéntrese en la innovación y salga con la tierra rompiendo ideas en lugar de hacer el negocio como siempre.
5. Concéntrese en desarrollar excelentes habilidades de comunicación y habilidades blandas, ya que esta es una de las mayores brechas que he visto en los profesionales de análisis
6. No te conviertas en un pony de un solo truco. trate de obtener exposición en diferentes industrias y diferentes áreas funcionales.
7. Participe en competiciones y eventos como Kaggle, para saber cuál es su posición frente a su grupo de compañeros.
8. Intente escribir libros blancos y blogs sobre su experiencia en el tema.
9. Desarrollar experiencia en el dominio ya que sin ese análisis no es efectivo.
10. Finalmente, mantenga siempre una visibilidad clara de su fortaleza y oportunidades y de cualquier punto ciego. Busque activamente comentarios de su grupo de pares y sus superiores.

Fase 4- Disfrutando de los beneficios de su valor y pasión

El futuro de Big Data y Data Analytics es realmente brillante. ¡Según IBM, el 90% de los datos que tenemos en el mundo hoy se han generado en los últimos 2 años! Todos los días estamos generando 2,5 bytes quintilianos (2,500,000 terabytes) de datos. Estos datos provienen de todas partes, como redes sociales, sensores, transacciones, imágenes, videos, etc. Se espera que el crecimiento de estos datos sea aún más rápido en las próximas décadas.

La conclusión es que Big Data está aquí para quedarse y requerirá una gran cantidad de científicos de datos y máquinas para obtener estos datos para obtener información e inteligencia procesables.

¿Qué significa para ti?

• Si busca empleo con habilidades de ML / AI Big Data, al menos los próximos 10-15 años serán un período de auge para usted, donde gigantes tecnológicos como Google, Facebook, Microsoft, IBM, otras compañías en todos los mercados verticales y nuevas empresas en todo el mundo estarán igualmente interesados ​​en contratar un talento como tú.
• Si usted es un emprendedor con una buena idea relacionada con Big Data de ML / AI, habrá muchas oportunidades para recaudar dinero para impulsar el crecimiento de su negocio. Según una estadística de Kalaari, ¡las empresas de IA han recaudado $ 6B USD desde 2014!

Aquí hay un fragmento de algunos de los mejores medios de comunicación.

Espero que esto ayude.

¡Salud!

Answer 2

Puede aprender Data Science fácilmente, si aprende con plena concentración.

Primero, quiero comenzar mi respuesta con lo que es exactamente ciencia de datos.

¿Qué es la ciencia de datos?

Data Science es un campo que abarca los relacionados con la limpieza, preparación y análisis de datos. La ciencia de datos es un término general en el que se aplican muchos métodos científicos. Por ejemplo, las matemáticas, las estadísticas y muchas otras herramientas que los científicos aplican a los conjuntos de datos.

El científico aplica las herramientas para extraer conocimiento de los datos. Es una herramienta para abordar Big Data . Y luego extraer información de él.

First Data Scientist reúne conjuntos de datos de múltiples disciplinas y los compila. Después de eso, aplique aprendizaje automático , análisis predictivo y sentimental. Luego afílelo hasta un punto donde pueda derivar algo. Finalmente, extrae la información útil de la misma.

El científico de datos entiende los datos desde un punto de vista comercial. Su trabajo es dar la predicción más precisa. Se encarga de dar sus predicciones. La predicción del científico de datos es muy precisa. Impide que un empresario pierda en el futuro.

Ahora, para aprender Data Science, debe tener buenos conceptos sobre Machine Learning, Python, etc.

Por lo tanto, definitivamente recomendaré referir algunos de los mejores libros para aprender en profundidad.

Ahora veamos los mejores libros para ciencia de datos.

Los mejores libros para la ciencia de datos:

Este libro está escrito por Jared P. Lander. Es un libro decente que cubre todos los aspectos de la ciencia de datos, como la visualización de datos, la manipulación de datos, el modelado predictivo, pero no con tanta profundidad. Puedes entenderlo, ya que cubre una gran cantidad de temas y se pierde detalles de cada uno.

Este libro está escrito por Trevor Hastie, Robert Tibshirani y Jerome Friedman. Esta es la siguiente parte de ‘Introducción al aprendizaje estadístico’. Se compone de temas más avanzados. Este libro es el más adecuado para personas familiarizadas con los conceptos básicos del aprendizaje automático.

Entonces, puedes comenzar con estos libros.

Ahora comencemos con el científico de datos. Cómo puede convertirse en un científico de datos.

El científico de datos es el trabajo más sexy del siglo XXI. Un científico de datos es mejor estadístico que cualquier ingeniero de software y mejor ingeniero en comparación con cualquier estadístico.

Veamos una infografía a continuación para desmitificar a Data Scientist

Así que veamos las habilidades más valiosas para aprender para un Científico de Datos.

• Conocimiento profundo de la codificación Python. Es el lenguaje más común, incluido Perl, Ruby, etc.
• Conocimiento sólido de SAS / R
• Es necesario que el científico de datos pueda trabajar con datos no estructurados. Ya sea que provenga de videos, redes sociales, etc.
• Habilidad de sonido en la codificación de bases de datos SQL.
• Data Scientist debería tener una buena comprensión de varias funciones analíticas. Por ejemplo rango, mediana, etc.
• Se requiere un conocimiento profundo del aprendizaje automático.
• Un científico de datos debe estar familiarizado con Hive , mahout, redes bayesianas , etc. En ciencia de datos, el conocimiento de MySQL es como una ventaja adicional.

Ahora veamos las responsabilidades de Data Scientist, de acuerdo con las responsabilidades que puede juzgar usted mismo que puede administrar esos roles o no, y si no, intente agregar esas habilidades en usted mismo.

Responsabilidades de un científico de datos

• Limpieza y procesamiento de datos.
• Predicción del problema empresarial.
• Sus roles son dar resultados futuros de ese negocio.
• Desarrollar modelos de aprendizaje automático y métodos analíticos.
• Encuentre nuevas preguntas comerciales que luego puedan agregar valor al negocio.
• Minería de datos utilizando métodos de vanguardia. Presentar resultados de manera clara y hacer el análisis ad-hoc.

Para saber más sobre las habilidades y roles de Data Scientist, consulte el siguiente enlace:

Habilidades necesarias para convertirse en Data Scientist

Answer 3

Dada la inmensidad de Data Science, siempre recomendó formar una base sólida. Por mi parte, creo firmemente en el dicho. “Más profundas las raíces, más altos crecen los árboles”. Matemáticas, estadísticas y programación forman la base de la ciencia de datos. Por lo tanto, a menudo se recomienda conocer estos temas en profundidad para formar una base sólida. Una vez que tenga suficiente experiencia en estos temas, puede ascender a un instituto para aprender ciencia de datos y aprender lo siguiente.

Fundación

• Python Básico, Intermedio y Avanzado
• Estadística, probabilidad y álgebra lineal
• Regresión lineal, series de tiempo y función de costo
• Análisis exploratorio de datos
• Tipos de datos
• Recopilación, extracción, consulta, limpieza y agregación de datos para análisis
• Fuentes de datos, limpieza y disputas
• Trabajando con API
• Raspado web

Avanzado

• Árboles de decisión, árboles condicionales
• Técnicas de conjunto
• Big Data y Hadoop Ecosystem y Spark
• Arquitectura HDFS
• Colmena QL
• Cerdo
• Cuentacuentos con datos
• Codificación Visual
• Cuadro
• Bayes ingenuos
• PNL / Agrupación de texto / NLTK
• PCA y reducción de dimensiones
• Implementación de productos de Data Science

El objetivo principal de la ciencia de datos es ayudar a resolver problemas comerciales complejos con la ayuda de datos. Para ser precisos, si no trabaja en problemas reales de la industria, no podrá prepararse como un científico de datos exitoso.

Siempre recomendaría a los aspirantes de ciencia de datos que asistan a un programa basado en el aula, dirigido por un instructor y orientado a la práctica.

Te encontrarás con muchas instituciones, cursos y programas que te ayudarán a aprender ciencia de datos. Algunos son muy caros, mientras que otros son razonables. Pero, una cosa muy importante a tener en cuenta mientras se inscribe en dichos cursos es saber su valor en términos de conocimiento y lo que al final del curso está desarrollando dentro de usted mismo.

Algunos puntos a considerar al elegir una institución / curso

1. El énfasis está más en la práctica y no solo en la teoría.
2. El proyecto se basa en enunciados de problemas relevantes de la industria y no en las tareas antiguas
3. Los aprendizajes y proyectos son colaborativos y se realizan en equipos.
4. Obtiene herramientas reales de la industria y se enfoca en el desarrollo basado en pruebas

Y en mi opinión, las certificaciones son una prueba de que ha completado un curso o un programa y no una prueba de lo que ha hecho. ¡Debes haber leído muchos artículos sobre desempleo educado o incluso haber encontrado algunas experiencias personales en las que muchos estudiantes tienen una maestría pero aún no tienen trabajo!

¿Porque?

Bueno, porque hay una gran brecha de habilidades entre lo que la industria quiere y lo que hay en oferta. El sistema educativo se ha convertido en gran medida en un juego de negocios de solo vender certificados. Por lo tanto, no siempre es necesario confiar en las certificaciones. La información teórica se puede impartir fácilmente. ¡Pero lo que importa es la IMPLEMENTACIÓN!

Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.

El programa insignia altamente selectivo de GreyAtom tiene como objetivo orientar a los profesionales que trabajan y los más novedosos en el inicio de su carrera de ciencia de datos. Los estudiantes crearon proyectos a partir de conjuntos de datos REALES y declaraciones de problemas proporcionadas por nuestra industria y socios de contratación. El programa se basa en el aula y está fuertemente orientado a la práctica. GreyAtom es un ecosistema donde los estudiantes pueden aprovechar lo mejor de la academia, profesionales de la industria y personas influyentes.

Algunos enlaces rápidos

• Programa – http://www.greyatom.com/full-sta …
• Chatee con un consejero académico: le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co …
• Panel de discusión en GreyAtom – https://www.youtube.com/watch?v= … https://www.youtube.com/watch?v= …

Answer 4

El científico de datos puede tomar una enorme cantidad de puntos de datos desordenados (no estructurados y estructurados) y usar sus formidables habilidades en matemáticas, estadísticas y programación para limpiarlos, masajearlos y organizarlos. Explore y examine los datos desde una variedad de ángulos para determinar las debilidades y tendencias ocultas. y / u oportunidades idean soluciones basadas en datos para los desafíos más apremiantes, inventar nuevos algoritmos para resolver problemas y construir nuevas herramientas para automatizar el trabajo son algunas de las responsabilidades del científico de datos.

Convertirse en un científico de datos requiere que un candidato posea habilidades expertas en varios campos como desarrollo de software, lenguajes de consulta de bases de datos, aprendizaje automático, programación, matemáticas, estadísticas, visualización de datos, etc. Esto parece mucho, y muchos se desaniman una vez que se van. a través de esta inmensa lista de habilidades que se les dice que es necesario para convertirse en un científico de datos.

Un programa de maestría en ciencias de datos es un camino a seguir, para desarrollar y agitar un conjunto de habilidades técnicas de ciencia de datos para empleadores potenciales. La falta de un grado altamente cuantitativo no excluye a uno de aprender ciencia de datos.

A continuación se muestran algunas de las habilidades para el científico de datos.

• Codificación Python
• Base de datos SQL / Codificación
• Datos no estructurados
• Curiosidad intelectual
• Hadoop

Para más detalles: BEPEC | ¿Por qué ciencia de datos? Bangalore

Answer 5

La demanda de buenos datos científicos está tocando el cielo en estos días. Es una de las opciones de carrera más comandadas en la actualidad. Atrás quedaron los días en que uno tiene que perseguir como nómadas, el grado de un ingeniero o un médico para ganar dinero.

Después de saber qué es exactamente la ciencia de datos, ¿ quién puede pensar en convertirse en un científico de datos?

Para el crecimiento del negocio, una empresa necesita buenos científicos de datos y la gestión de big data ya no es una tarea. Incluso si eres de un entorno no técnico, puedes entrar en el campo de la ciencia de datos. Todo lo que necesita es aprender habilidades profesionales y habilidad para los lenguajes de programación. Esto se debe a que muchas tareas mecanizadas están involucradas en la limpieza, preparación y análisis de datos.

Varias herramientas están diseñadas para llevar a cabo tales operaciones y sin utilizar la codificación de algoritmos complejos. Muchas de las herramientas para la gestión de big data tienen algoritmos incorporados. Uno necesita algunos bloques de construcción para comprender esos algoritmos. Y aprender estos softwares lo ayudará a mejorar su CV y ​​puede ayudarlo a aprovechar una mejor oportunidad.

Entonces, ¿la pregunta del nido es cómo comenzar?

Para eso, proporciono una lista de cursos que son un requisito previo para entrar en una carrera de gestión de datos grandes y análisis de datos, y también algunas fuentes de usted pueden aprenderlos sentados en su hogar u oficina.

• Fundamentos de los datos y su gestión.
• Modelado estadístico
• Algoritmos matemáticos
• Introducción a los lenguajes de programación.

Puedes aprender las herramientas como: –

Programación R

• Puede convertirte en un experto en trabajar en R studio, funciones DPLYP, visualización de datos, modelos de regresión.

Pitón

• Le ayudará a trabajar como un profesional en procedimientos estadísticos, análisis avanzado, numpy, scipy, Matplotlib

SAS

• SAS significa sistema de análisis estadístico. Esta herramienta le hace comprender mejor los conceptos de estadística, prueba de hipótesis, agrupación, árboles de decisión.

Hadoop

• La biblioteca de software Apache Hadoop es un marco que permite el procesamiento distribuido de grandes conjuntos de datos en grupos de computadoras utilizando modelos de programación simples . Está diseñado para escalar desde servidores individuales hasta miles de máquinas, cada una de las cuales ofrece computación y almacenamiento local.

Stata

• Stata es un poderoso software estadístico que permite a los usuarios analizar, administrar y producir visualizaciones gráficas de datos. Es utilizado principalmente por investigadores en los campos de economía, biomedicina y ciencias políticas para examinar patrones de datos.

Matlab

• Un lenguaje de programación patentado desarrollado por mathworks, MATLAB permite manipulaciones matriciales, trazado de funciones y datos, implementación de algoritmos, creación de interfaces de usuario e interfaz con programas escritos en otros lenguajes, incluidos C, C ++, Java.

Además de la experiencia en lenguaje de programación como R y Python, otros lenguajes como Java, SQL, C, C ++ son de gran utilidad para convertirse en un maestro en ciencia de datos.

Y según la necesidad de diferentes organizaciones, el conocimiento de MINITAB, SPSS, MAPREDUCE se suma a su valor.

Y perceptiblemente no necesita dominar todo esto, y como humano no puede aprender todo esto a la vez antes de comenzar, deje en claro que todo lo que ya sabe y lo que tiene que aprender. Hay muy poca diferencia en todos estos cursos y todos están aliados.

Para el curso en línea de Data Science, puede consultar Digital Vidya y asistir a una sesión de demostración gratuita sobre Big Data & Analytics para saber cómo puede comenzar su carrera en Data Analytics o Big Data. Obtendrá una guía adecuada sobre cómo comenzar a aprender análisis de datos con Python, SAS, R o Excel.

Al igual que antes de entrar en la ciencia de datos, debe conocer los fundamentos de la estadística y las matemáticas. La ingeniería de datos y el aprendizaje automático requieren buenas habilidades de programación. El análisis de datos y la minería de datos es como visualizar los datos desde el principio hasta el final aplicando los conceptos estadísticos utilizando las herramientas e interpretando los resultados.

Si busca certificaciones y el que comprende estos principios estará en una mejor posición para conseguir un buen trabajo, ya que su CV tiene algo que todos los demás no tienen.

¿Tiene usted alguna pregunta?

Si aún quieres orientación, puedes enviarme un mensaje. Te ayudaré con tus dudas.

Answer 6

Tiene Python y Álgebra lineal y habilidades básicas de programación que son buenas, por lo que debe agregar algunas otras cosas para la ciencia de datos, a continuación, algunas de las mejores plataformas en línea con cursos relacionados, donde puede aprender y “practicar” sobre esos temas. convertirse en un científico de datos

Coursera (de una gran universidad):

• Especializaciones en ciencia de datos
• Ciencias de la vida
• Ciencias de la Computación

Udacity (con certificación):

• Estadística inferencial
• Introducción a Hadoop y MapReduce
• Análisis de datos con R
• Introducción a la estadística descriptiva
• Introducción a la ciencia de datos
• Visualización de datos y D3.js

Enlace: https://www.udacity.com/courses/ …

Edx (con certificación):

• La ventaja analítica
• Estadísticas para las ciencias de la vida usando R
• Consulta con Transact-SQL
• Explore las estadísticas con R
• Álgebra matricial y modelos lineales
• Estadísticas para empresas
• Introducción al pensamiento computacional y la ciencia de datos

BigDataUniversity :

• Introducción al análisis de datos usando R
• Fundamentos de Hadoop
• Acceso SQL para Hadoop

Aprendizaje automático

• Aprendizaje automático – Universidad de Stanford | Coursera (curso en línea)
• Aprendizaje automático práctico – Universidad Johns Hopkins | Coursera
• Aprendizaje automático | Coursera (Especialización en Aprendizaje Automático: Universidad de Washington)
• Aprendizaje automático (libro)
• Aprendizaje automático para hackers (libro)
• Aprendizaje automático: una perspectiva algorítmica (libro)
• Programación de la inteligencia colectiva: creación de aplicaciones Smart Web 2.0 (libro)

Para practicar :

• La plataforma Kaggle le brinda la posibilidad de hacer eso Su hogar para la ciencia de datos

Consulte también la respuesta de Abdelbarre Chafik a ¿Qué herramientas se necesitan para un científico de datos?

Espero que ayude 🙂

Answer 7

Puede unirse al Programa PG en Big Data y Data Science en Aegis School of Data Science. PGP en Business Analytics y Big Data es el primer programa holístico de ciencia de datos de la India diseñado y entregado por Aegis School of Business & Telecommunication en asociación con IBM para capacitar a la nueva generación de profesionales conocedores de datos. Este programa de 11 meses le brinda capacitación intensiva para desarrollar el conjunto de habilidades necesarias y únicas requeridas para una carrera exitosa en el mundo de Big Data y Business Analytics.

Puntos destacados del programa

• Certificación de IBM al finalizar el curso.
• IBM Business Analytics Lab: IBM ha configurado un IBM Business Analytics e IBM Cloud Computing Lab en el campus.
• Plan de estudios innovador: el plan de estudios ha sido desarrollado para los programas conjuntamente y es entregado por expertos en la materia designados por IBM y por la facultad de Aegis.
• El plan de estudios atiende a los diversos requisitos de habilidades de organizaciones de todo el mundo, incluidos bancos, servicios informáticos, educación, atención médica, seguros, fabricación, venta minorista y otras industrias.
• Herramientas: exposición práctica en IBM DB2, IBM Cognos TM1, IBM Cognos Insight, IBM InfoSphere Big Insight, IBM Worklight, IBM BlueMix, R, Python, SAS, Hadoop, MapReduce, EC2, AWS, Weka, etc.
• Colocación: Aegis tiene un Centro de Gestión de Carrera que organiza la pasantía remunerada del estudiante, así como la colocación final en empresas líderes.
• Duración y crédito: el programa PGP – BA y Big Data es globalmente aceptable 45 unidades de crédito que incluye 36 unidades de crédito de cursos básicos y 9 unidades de crédito de cursos optativos que se extiende a lo largo de 11 meses que incluye 2-3 meses de pasantía. Entregado a tiempo completo y a tiempo parcial (en línea / fin de semana / híbrido)
• Módulos del curso impartidos por IBM: la facultad de IBM imparte tres cursos: (i) Business Intelligence utilizando Cognos BI (ii) Big Data Analytics utilizando IBM InfoSphere Big Insight y (iii) Enterprise Performance Management utilizando IBM Cognos TM1

Answer 8

Es realmente una palabra de moda que es una mezcla de muchas ciencias involucradas en ella. Tiene:-

aprendizaje automático

Almacenamiento y procesamiento de datos.

minería de datos y munging

Estadística

Le sugiero que visite Coursera, un sitio web gratuito para estudiantes y únase a un curso universitario de ciencia de datos.

a continuación

Encuentro videos como los mejores entrenadores, trato de entender la regresión lineal y la regresión logística profundamente. ¡Sugiero que solo visite la página Wiki para ver lo mismo y vea todos los videos por lo mismo!

tratar de digerir las ecuaciones involucradas

También sugiero el curso de aprendizaje automático de Andrew NG.

lo encontrará fácilmente en Coursera: cursos gratuitos en línea de las mejores universidades | Coursera

para profundizar en las estadísticas continúe con Introducción al aprendizaje estadístico

Salud

Answer 9

¡Hola!

Definitivamente puedes dominar el arte de la ciencia de datos. Como ya tiene los conceptos básicos de C, C ++, Python, Linear Algebra despejados, ¡estoy seguro de que puede hacer una buena carrera en esto!

Pase tiempo de calidad leyendo sobre el mejor curso de ciencia de datos en Aegis School Of Data Science : programa de posgrado a tiempo completo en ciencia de datos, análisis de negocios y Big Data, programa de posgrado de fin de semana ejecutivo en ciencia de datos, análisis de negocios y big data o ejecutivo en línea Programa de Postgrado en Ciencia de Datos, Business Analytics y Big Data.

Puntos destacados del programa:

• El certificado final de PGP será emitido por IBM
• El Programa es entregado conjuntamente por IBM y Aegis School of Data Science
• Exposición a proyectos en vivo de la industria
• Programa entregado por expertos en la materia de IBM y los mejores científicos de datos
• Centro de gestión profesional para ayudarlo a cambiar de carrera y a encontrar oportunidades adecuadas
• Laboratorio de análisis de negocios de IBM
• Estructura de crédito globalmente aceptable
• Excelentes ubicaciones
• Programa True Data Science y no un MBA / PGDBM a medias en Business Analytics
• Proyectos en vivo de la industria en Aegis Big Data Product Factory
• El programa de estudios más completo que abarca: Machine Learning, R, Python, Stats, NLP, IBM Watson, Azure ML, IBM Cognos, IBM Cognos Insight, IBM Infosphere BigInsight, IBM SPSS, IBM BlueMix, SAS, Hadoop, Spark, Visualization, AWS, etc. .

También vea una comparación detallada entre varios institutos y Aegis School of Data Science.

¡Tome una decisión sabia!

Answer 10

¡Oye! Lo más difícil de Data Science con Data Science es que uno no sabe por dónde empezar.

Lo primero que hay que entender es que el que practica la ciencia de datos es un científico de datos. Lo siguiente que preguntarías es:

¿Quién es un científico de datos?

Como puede ver en la imagen, ¡un Data Scientist es el maestro de todos los oficios! Debe ser experto en matemáticas, debe estar trabajando en el campo de los negocios y también debe tener excelentes habilidades en informática. ¿Asustado? No se Aunque necesitas ser bueno en todos estos campos, pero incluso si no lo eres, ¡no estás solo! No existe tal cosa como “un científico de datos completo”. Si hablamos de trabajar en un entorno corporativo, el trabajo se distribuye entre los equipos, en el que cada equipo tiene su propia experiencia. Pero la cuestión es que debe ser competente en al menos uno de estos campos. Además, incluso si estas habilidades son nuevas para ti, ¡relájate! Puede llevar tiempo, pero estas habilidades se pueden desarrollar, y créanme que valdría la pena invertir el tiempo. ¿Por qué? Bueno, veamos las tendencias laborales.

Fuente: Búsqueda de empleo | En efecto

Bueno, el gráfico lo dice todo, no solo hay muchas ofertas de trabajo para un científico de datos, ¡sino que los trabajos también están bien remunerados!

¡Aquí hay un excelente blog tutorial de Data Science para que comiences!

Y aquí hay un video sobre lo mismo:

¡Feliz aprendizaje!

Answer 11

La mejor forma de comenzar.

1. Cursos ofrecidos a través de plataformas de aprendizaje en línea: las plataformas en línea, incluidas Coursera, Udemy, Udacity y eDX, ofrecen cursos gratuitos en línea en análisis y ciencia de datos. El curso de análisis de Edge es un buen comienzo para comenzar su viaje en R. En este curso, aprenderá cómo usar datos y análisis para darle una ventaja a su carrera y su vida. Examinan ejemplos del mundo real de cómo se han utilizado los análisis para mejorar significativamente una empresa o industria.
2. Cursos ofrecidos por empresas de consultoría y capacitación en análisis como Jigsaw Academy, KUDWI Analytics, etc.
3. Una vez que pruebe los cursos anteriores y esté seguro de que la analítica es su taza, puede someterse a programas de certificación en IIT o Great Lakes, estos cursos son caros pero le darán una etiqueta de marca

Answer 12

Hola amigos,

Elegir el mejor instituto de capacitación en ciencia de datos es la única forma de aprender ciencia de datos. La ciencia de datos, también conocida como ciencia basada en datos, es un campo interdisciplinario de métodos, procesos y sistemas científicos para extraer conocimiento o conocimientos de los datos en diversas formas, ya sea estructuradas o no, de manera similar a la minería de datos.

Ciclo de vida de la ciencia de datos. El proceso de ciencia de datos en equipo (TDSP) proporciona un ciclo de vida para estructurar el desarrollo de sus proyectos de ciencia de datos. El ciclo de vida describe los pasos, de principio a fin, que los proyectos suelen seguir cuando se ejecutan. Elija el mejor instituto de formación en ciencia de datos en Chennai.

Los datos son la información obtenida de observar y probar un experimento. Los científicos usan datos para comprender y sacar conclusiones. Los científicos a menudo usan gráficos o tablas para mostrar sus datos y los resultados de la investigación.

Los datos científicos se definen como información recopilada utilizando métodos específicos para un propósito específico de estudio o análisis. Los datos recopilados en un experimento de laboratorio realizado bajo condiciones controladas son un ejemplo de datos científicos. Aprenda Data Science del mejor centro de capacitación en Data Science.

Lenguajes como R, Python y SQL son parte del conocimiento básico del analista de datos. Al igual que el rol de científico de datos, también se requiere un amplio conjunto de habilidades para el rol de analista de datos, que combina el conocimiento técnico y analítico con el ingenio.

En términos más generales, un científico de datos es alguien que sabe cómo extraer el significado de los datos e interpretarlos, lo que requiere herramientas y métodos de las estadísticas y el aprendizaje automático. Data Science pasa mucho tiempo en el proceso de recopilación, limpieza y munging de datos, porque los datos nunca están limpios. Mi único consejo es que elija el mejor centro de formación de Data Science en Chennai.

La ciencia de datos es el estudio de dónde proviene la información, qué representa y cómo puede convertirse en un recurso valioso en la creación de estrategias comerciales y de TI. La extracción de grandes cantidades de datos estructurados y no estructurados para identificar patrones puede ayudar a una organización a controlar los costos, aumentar la eficiencia, reconocer nuevas oportunidades de mercado y aumentar la ventaja competitiva de la organización.

Programa de estudios de Data Science Training en Chennai: –

* Ciencia de datos con SAS

* Ciencia de datos con R

* Científico de datos certificado con curso de Python

* Ciencia de datos con SAS avanzado: macros y SQL

* Aprendizaje automático para ciencia de datos y análisis

Contacto: 89399 25577.

Ubicación: Chennai, Bangalore.

Answer 13

Sigue este enlace y gooo crazzzyy …

Los maestros de la ciencia de datos de código abierto

Sin embargo, si tiene menos tiempo del que diré, primero haga la clase de aprendizaje automático (ML) de Andrew Ng en Coursera y luego inicie el programa de análisis de datos de Udacity o el programa de nanogrado de aprendizaje automático. Además, en lugar de unirse al programa nanodegree, puede tomar esos cursos de forma gratuita, pero el único problema es que tiene que encontrar todos los cursos relacionados en Udacity por su cuenta y desarrollar alguna estrategia para seguir el mejor orden en el que puede cubrir la mayor parte de este campo lo más posible sin perderse e implementar nuevamente esos conceptos en la creación de alguna aplicación, porque eso es importante. A continuación se muestra el enlace para los programas de ML de Coursera y Udacity, respectivamente.

Aprendizaje automático – Universidad de Stanford | Coursera

Ingeniero de Aprendizaje Automático Nanodegree de Google | Udacity

Y lo más importante es que, en el proceso de aprender de estas fuentes, comprenderá este campo con mucho más detalle que cualquier otra forma.

Answer 14

Data Science es un campo amplio que consiste en matemáticas, estadísticas, desarrollo de algoritmos y tecnología. No es fácil aprender ciencia de datos y, sin motivación, terminas a la mitad. Entonces, lo primero que necesita es una voluntad fuerte y algo que lo mantenga motivado. Como se mencionó, usted tiene un conocimiento de diferentes lenguajes de programación y álgebra lineal y este es un punto a favor para usted. Pero aparte de estas habilidades de comunicación, también es un componente necesario para convertirse en un científico de datos porque la mayoría de las veces tiene que presentar el resultado del análisis a otros y creerme que la buena comunicación hace la diferencia. Estas son algunas habilidades que necesita para convertirse en un científico de datos.

Hay muchos cursos en línea disponibles que pueden acompañar. Pero en mi opinión, puede comenzar con un libro “Una introducción al aprendizaje estadístico” que sin duda le ayuda.

Answer 15

Hace un año, era un friki de los números sin antecedentes en codificación. Después de probar un curso de programación en línea, me inspiré tanto que me inscribí en uno de los mejores programas de informática en Canadá.

Dos semanas después, me di cuenta de que podía aprender todo lo que necesitaba a través de edX, Coursera y Udacity. Entonces me salí.

La decisión no fue difícil. Podía aprender el contenido que quería más rápido, más eficientemente y por una fracción del costo.

Ya tenía un título universitario y, quizás lo más importante, ya tenía la experiencia universitaria. Pagar $ 30K + para volver a la escuela parecía irresponsable.

Comencé a crear mi propio título de maestría en ciencias de datos usando cursos en línea poco después, después de darme cuenta de que era mejor para mí que la informática. Recorrí la introducción al paisaje de programación. Para el primer artículo de esta serie, recomendé algunas clases de codificación para el científico de datos principiante.

Answer 16

Este es un adelanto del futuro que está ahí con “el trabajo más sexy del siglo XXI”.

Para todos los estudiantes y profesionales que desean seguir una carrera como Data Scientist, ya que es una de las carreras más lucrativas y de rápido crecimiento. Con la aparición de los teléfonos inteligentes, los fabricantes de aplicaciones basadas en Android fueron impulsados ​​a un nivel completamente nuevo. Todos los días se lanzan nuevas empresas nuevas con Android y la aplicación web como la tecnología principal y la fuerza impulsora.

edWisor.com es una de esas plataformas que proporciona un entrenamiento completo en vivo de Data Scientist . Estas sesiones de capacitación en vivo son proporcionadas por profesionales que actualmente trabajan en la industria en este puesto de trabajo . Este es un programa de 10-12 semanas con 3-4 horas de entrenamiento en vivo los fines de semana. La capacitación en vivo se proporciona con un enfoque práctico basado en una asignación semanal y un proyecto de la industria . Estas tareas y proyectos son evaluados por el profesional / mentor y se clasifican en base a eso por su habilidad como Data Scientist .

edWisor.com después de completar el curso envía currículums junto con sus proyectos a las compañías relevantes para la contratación como pasante y a tiempo completo. Tenemos más de 100 empresas como socios de contratación que están contratando a estudiantes capacitados en edWisor de edWisor.com en los dominios y la tecnología dados.

Gracias

Answer 17

Junto con la tecnología relativamente nueva de Big Data está el nuevo científico de datos de títulos de trabajo. Si bien no está vinculado exclusivamente a los proyectos de Big Data, el rol del científico de datos los complementa debido a la mayor amplitud y profundidad de los datos que se examinan, en comparación con los roles tradicionales … Puede visitar este enlace: ¡ Conviértase en un maestro en Big Data Haga clic aquí! Un científico de datos representa una evolución desde el rol comercial o analista de datos. La capacitación formal es similar, con una base sólida típicamente en informática y aplicaciones, modelado, estadísticas, análisis y matemáticas.

Lo que distingue al científico de datos es la perspicacia empresarial sólida, junto con la capacidad de comunicar los hallazgos a los líderes empresariales y de TI de una manera que puede influir en la forma en que una organización aborda un desafío empresarial. Los buenos científicos de datos no solo abordarán los problemas comerciales, sino que elegirán los problemas correctos que tengan el mayor valor para la organización.

El rol del científico de datos ha sido descrito como “analista en parte, artista en parte”. Un científico de datos es alguien que es curioso, que puede observar los datos y detectar tendencias. Es casi como un individuo del Renacimiento que realmente quiere aprender y aportar cambios a una organización “.

Mientras que un analista de datos tradicional puede mirar solo los datos de una sola fuente, por ejemplo, un sistema CRM, un científico de datos probablemente explorará y examinará datos de múltiples fuentes dispares. El científico de datos examinará todos los datos entrantes con el objetivo de descubrir una información previamente oculta, que a su vez puede proporcionar una ventaja competitiva o abordar un problema empresarial urgente. Un científico de datos no solo recopila e informa sobre los datos, sino que también los mira desde muchos ángulos, determina lo que significa y luego recomienda formas de aplicar los datos.

Los científicos de datos son inquisitivos: exploran, hacen preguntas, hacen análisis de “qué pasaría si”, cuestionan los supuestos y procesos existentes

Los datos se duplican cada dos años, y todos han oído hablar de los números de crecimiento absurdos indicados en los informes. En este contexto, el resultado inevitable es la aparición del Data Scientist. Un científico de datos necesita analizar grandes cantidades de datos y proyectar el mapa tecnológico para hacer posible la transición de datos a ideas. El alcance del trabajo de un científico de datos incluye la identificación de las fuentes de datos, la calidad de los datos, las correlaciones entre los puntos de datos y la difusión a los usuarios de la información.

Por el momento, el papel de un científico de datos lo desempeña una combinación de personas en el equipo de BI, como el arquitecto del almacén de datos, el analista de negocios y otros de esa clase. A medida que la situación evoluciona, el científico de datos trabajará por encima de estos profesionales para descubrir nuevas tendencias y asociaciones que puedan estar más allá del ámbito de los modelos actuales y los problemas comerciales. El analista de negocios trabajaría en los datos que ha recopilado el científico de datos. James Kobielus, un analista senior de Forrester, en su negocio, llega a comparar el trabajo de un científico de datos con el trabajo de científicos en ciencias naturales y ciencias sociales, afirmando que necesitarían datos de observación y datos experimentales para trabajar con. “Históricamente ( los científicos de datos ) han tenido que contentarse con meros ejemplos”. Con el surgimiento de una carrera de pleno derecho, esto pronto cambiará.

Answer 18

Creo que saltamos algunos pasos en el medio, ¿verdad?

¿Cómo puedo aprender Data Science y cómo puedo convertirme en un maestro? Deben ser dos preguntas muy diferentes. Es como decir ¿cómo puedo aprender mejor los alfabetos y escribir una bella historia?

Entonces respondiendo tu pregunta

Todo lo que se necesita para aprender Data Science es la voluntad. ¡Te sugiero que hagas algunos MOOC introductorios para ver qué tan lejos está la ciencia de datos real de lo que crees que es ciencia de datos! Hay muchos cursos buenos, introductorios y avanzados disponibles en sitios como http://EdX.org , http://Coursera.org , Udemy y Udacity, etc.

Después de pasar por uno de esos cursos, ¡estoy seguro de que volverás a Quora y tendré mucho que preguntar! Esperaremos hasta entonces …

¿Cómo me convierto en un maestro en Data Science?

Ahora, convertirse en un maestro en cualquier cosa, desde armar tacos y rollos hasta algoritmos de inteligencia artificial lleva tiempo, años por decir lo menos. Y además, nunca dejas de aprender … Todo lo que puedes hacer es ‘comenzar’ a aprender, aplicar y practicar la ciencia de datos al gran mundo … ¡y con suerte en algunos años podrás llamarte un maestro!

Hasta entonces … ¡Feliz aprendizaje!

Salud

GM

Answer 19

Hola,

Me alegra que esté mostrando interés en una de las carreras más en auge: Data Science.

Para aprender ciencia de datos, debe ser un experto en tecnología junto con un conjunto de habilidades específicas, como programación, codificación, gestión de datos, estadísticas, etc. Imarticus ayuda a los aspirantes como usted a actualizarse y comenzar una carrera como científico de datos.

Imarticus Learning ofrece los cursos de Data Science Prodegree en colaboración con Genpact como socio de conocimiento . Este programa lo ayuda a comprender en profundidad el análisis de datos y las estadísticas, junto con las perspectivas comerciales y las prácticas de vanguardia que utilizan SAS, R, Python, Hive, Spark y Tableau. Además de esto, el programa también proporciona asistencia de colocación del 100% para guiar y ayudar a navegar por una amplia variedad de carreras y prepararlo para el trabajo desde el día 1. Haga clic aquí para obtener más información sobre este curso.

A través de varios proyectos y estudios de casos, impartimos las habilidades integrales del papel en nuestros estudiantes junto con una amplia capacitación sobre las herramientas y técnicas clave. Lo preparamos para estar listo para el trabajo con la preparación de entrevistas, talleres de creación de currículums y 1-1 entrevistas simuladas con expertos de la industria.

Para saber más sobre los programas Imarticus, visite el sitio web ( https://imarticus.org/?id=websit …).

Espero que esto te ayude en tu proceso de toma de decisiones.

Todo lo mejor..:)

Answer 20

Permítanme compartir algunos pasos básicos para ser Master en Data Science.

• Comience a leer los conceptos de Estructura de datos.
• Realice algunos proyectos en tiempo real sobre estructuras de datos.
• Lea más sobre los tipos de datos (datos estructurados y no estructurados)
• Si eres fuerte en los puntos anteriores, comienza a leer sobre Machine Learning e Inteligencia Artificial.
• Tome algunos datos en tiempo real y aplique los conceptos de ML e IA.
• Lea algunos trabajos de investigación sobre Data Analytics.
• Aplique su conocimiento de AI, ML en los datos en tiempo real y realice un aprendizaje básico.

Supongo que estos pasos ayudarán a alguien a dominar Data Science.

Nota: Desarrolle sus habilidades estadísticas y matemáticas también.

¡Salud!