¿Es MS in Data Science una moda pasajera?

Answer 1

Data Science es un conjunto de enfoques que aún se está definiendo, negociando y acordando incluso por expertos en el campo. Es una combinación de enfoques, que se basa en fundamentos de estadística, aprendizaje automático, informática, bases de datos, ingeniería de sistemas y más. Es fácil descartar los primeros programas de maestría en un área de trabajo e industria tan interdisciplinaria y nueva, y es completamente natural ser escéptico.

La gran mayoría de los programas de certificación y licenciatura en ciencia de datos probablemente no pueden prepararlo para la experiencia real de manejar datos, analizarlos y usarlos en modelos de aprendizaje automático en la vida real, y para los aspectos prácticos y prácticos del trabajo. Por otra parte, cuatro años de ingeniería mecánica no me prepararon para los roles de ingeniería de fabricación, diseño y soporte que he desempeñado durante la última década y más de la vida profesional. La mayoría de las habilidades que aprende en cualquier función se recogen en el trabajo, y los títulos solo lo preparan en cierta medida. Dicho esto, veamos qué deben proporcionar los grados, para que no sean una “estafa”.

1. Una base sólida en estadística: descriptiva, inferencial, razonamiento de datos y visualización de datos. Aquí hay muchos subtemas que se entienden mejor siguiendo un curso regular sobre estadísticas. Gran parte de la profundidad aquí para los roles de ciencia de datos parece estar en la interpretación de análisis de datos, además de poder utilizar rutinas preconstruidas. Unos pocos seleccionados pueden especializarse en esto y desarrollar nuevos algoritmos y medidas estadísticas por sí mismos.
2. Una base sólida en bases de datos y ciencias de la computación: si bien para muchos es el equivalente a un título de cuatro años, puede aprender lo suficiente como para ser útil como informático o ingeniero de bases de datos en la mitad del tiempo. Los proyectos enfocados pueden enseñarle los aspectos prácticos y teóricos de las bases de datos y la informática: lógica, algoritmos, lenguajes de programación, etc. La experiencia práctica en programación es tan importante, por lo general. Si el título en cuestión enseña estas habilidades, puede ser una inversión útil.
3. Negocio. Ningún científico de datos está completo sin una comprensión del negocio, las finanzas, los procesos comerciales y las realidades comerciales que acompañan el uso de datos para la toma de decisiones. Por lo tanto, es mejor ingresar a los roles de Data Science después de pasar algún tiempo en roles funcionales o técnicos en las industrias. Tales roles ayudan a analizar sus fortalezas y debilidades y lo ayudan a tomar las decisiones de dominio correctas. Los que están establecidos en su dominio deben tener en cuenta el dominio y el negocio, y algo así no siempre se enseña en los cursos universitarios. Puede haber programas centrados en ciencia de datos que se basen en experiencias de la industria de la tecnología, tal vez, lo que puede agregar valor a muchos que toman la ciencia de datos. Para aquellos en otras industrias, como la fabricación, la ruta a la experiencia de dominio es menos sencilla. Tradicionalmente, las universidades no han sido muy buenas en el desarrollo de graduados que entiendan los negocios cuando comienzan (creo que es seguro decir que incluso la mayoría de los títulos de MBA no lo hacen).

Por lo tanto, si bien muchos programas de maestría en ciencias centrados en la ciencia de datos parecen que pueden estafarlo y pueden parecerse mucho a una estafa desde el principio, muchos pueden estar respondiendo a una demanda, y la demanda puede provenir de un amplio grupo de profesionales y estudiantes. ¿Vale la pena una inversión? Eso dependería de lo que ganes. Si ya es un informático, ingeniero informático, ingeniero con experiencia significativa en modelado estadístico, estadístico o modelista matemático, los títulos en ciencias de datos pueden ser una exageración para obtener la habilidad que necesita. Sin embargo, si usted es una persona de negocios sin habilidades de ingeniería o ciencias de la computación para ingresar en la ciencia de datos, puede beneficiarse de dicho curso o título.