Debojytoi dio la respuesta más flagrante pero prístina a esta pregunta que han formulado una y otra vez varios jóvenes entusiastas de la tecnología de la India que desean avanzar en su carrera hacia la ciencia de datos.
El gran drama de ciencia de datos en India
Sé que te decepcionaría con mi perspectiva, pero de nuevo, esta es la amarga verdad. Los institutos indios no tienen un plan de estudios sólido cuando se trata de aprendizaje automático / análisis de big data / cursos de ciencia de datos. Me dirigía a las finanzas cuantitativas y la ingeniería financiera, pero para mi gran consternación, descubrí que la India no tiene ningún instituto decente que ofrezca un grado sólido en este campo.
Volviendo a la ciencia de datos, la mayoría de los cursos altamente calificados en India, que incluyen cursos de los institutos de primer nivel como IISC, IIT (lado tecnológico de la ciencia de datos) o ISB, IIMB, Great Lakes, etc. (lado comercial de la ciencia de datos) ) están mal diseñados. Estos cursos no son adecuados para preparar jóvenes científicos de datos para la industria. La tecnología está creciendo a pasos agigantados, pero no veo mejoras en el trabajo del curso. No es una gran elección de carrera si planeas hacer un máster en este campo en universidades de la India. INSOFE tiene un curso bien diseñado, pero no está reconocido por UGC, no tiene registros de colocación legítimos y probablemente no sea el mejor movimiento profesional para una carrera más fresca. No estoy seguro de por qué alguien iría a verter 5 lacas para este curso. He escuchado sobre historias de éxito, obviamente no todos los estudiantes de INSOFE fracasaron en su búsqueda de una carrera en ciencia de datos, pero nuevamente las posibilidades de que consigas una carrera en ciencia de datos mágicamente después de aprobar este curso simplemente no son lo suficientemente altas. Los institutos en India no imparten el conocimiento de los conjuntos de habilidades necesarias que necesita desarrollar para convertirse en experto en ciencia de datos.
- ¿Qué podría hacer para reforzar mi perfil para obtener la admisión a la maestría en cursos de ingeniería industrial?
- Soy estudiante en mi segundo año de ingeniería química y quiero escribir un trabajo de investigación. ¿Donde debería empezar?
- Quiero seguir a mi maestría en ingeniería civil, sin embargo, estoy muy asustada y preocupada por no ingresar a un programa de maestría. ¿Hay alguna universidad en los EE. UU. Donde pueda presentar una solicitud sin riesgo de rechazo?
- Estoy haciendo mi último año de ingeniería civil. Quiero hacer una esclerosis múltiple en los EE. UU. Pero no tengo ni idea. ¿Quién puede guiarme desde cero?
- Quiero aprender todo sobre ingeniería informática. ¿Cómo?
Tengo grandes esperanzas para el PGDBA de IIT, IIM e ISI. Todavía no he oído hablar de historias de éxito extra ordinarias.
Un enfoque racional y pragmático.
¿Cuáles son tus alternativas? Entras en la tecnología convencional, quiero decir que si eres más nuevo, obtienes un trabajo de tecnología, mejor si es un trabajo de desarrollo de software. Mejore su conocimiento haciendo micro cursos en línea. Comience a reunir la mayor cantidad de conocimiento posible de su entorno mientras no está haciendo su trabajo diario. Luego comience a postularse en empresas que ofrecen trabajos de ciencia de datos. Esta es la manera óptima por la cual puede minimizar su inversión monetaria y aún así obtener el máximo rendimiento de su estrategia.
Si el dinero no es un factor, entonces solicite universidades extranjeras. Puedes ir a EE. UU., Reino Unido, Alemania, Singapur y Japón. Tienen algunas de las mejores escuelas de ciencia de datos del mundo. Ofrecen cursos en BI (negocios y finanzas), ML (informática), estadística computacional (estadística), ingeniería financiera (que involucra ciencia de datos, finanzas, economía, informática y estadística), etc.
Una mirada más cercana a la ciencia de datos como un título académico
La ciencia de datos se compone de una amplia variedad de campos interdisciplinarios. La ciencia de datos fusiona estadísticas, matemáticas e informática juntas. La ciencia de datos se utiliza para resolver problemas que persisten en los dominios de finanzas, economía, ciencias sociales, ciencias computacionales, robótica de vanguardia, inteligencia artificial, etc.
Los cursos ofrecidos por universidades en el Reino Unido, EE. UU., Etc. tienen diferentes sabores y son específicos de las escuelas que ofrecen estos cursos. Las escuelas de negocios son pesadas en el lado de la gestión de la ciencia de datos, mientras que las escuelas de tecnología son pesadas en el lado de la tecnología de la ciencia de datos. Hay escuelas que también son pesadas en estadísticas. La analítica empresarial es un subconjunto de la ciencia de datos y se compone esencialmente de poca informática, estadísticas moderadas y una gestión y análisis sustancial de datos empresariales. En el aspecto tecnológico, el aprendizaje automático es un concepto que ha sido acuñado por científicos informáticos que también son expertos en estadística.
Si vas a ir a universidades extranjeras, entonces MS podría buscarte algunas opciones fabulosas de carrera. Pero la tendencia está cambiando lentamente hacia el concepto de contratación de doctores que pueden realizar investigaciones de forma independiente y producir soluciones a problemas complejos del mundo real. Sin embargo, obtener un PHD es una tarea tediosa y requiere una gran dedicación y compromiso. Si tienes pasión y sed de conocimiento e investigación, solo entonces deberías cursar estudios de doctorado. Es innecesario decir que los titulares de PHD en ciencia de datos, estadística, informática (ML) son contratados por los grandes peones de Silicon Valley y reciben una remuneración considerable por sus servicios. Recientemente, firmas de consultoría financiera como E&Y, JP Morgan, PWC, KPMG, etc. están contratando a muchos científicos de datos y pagándoles una gran cantidad de dinero.
Creo que para resumir, INSOFE no es un movimiento brillante. Simplemente recopile más información y tómese su tiempo para planificar sus estrategias. No siempre tienes que creer lo que oyes. Buena suerte.