Hacks para convertirse en un científico de datos superior en 6 meses - Parte 1: Hoja de ruta

Data Scientist ha calificado el mejor trabajo en Estados Unidos para 2017, con un salario base promedio de $ 110,000 (Fuente: Glassdoor). Las carreras incluyen científico de datos, ingeniero de datos, analista de datos, estadístico, gerente de datos, arquitecto de datos, analista de negocios.

¿Por qué el científico de datos? Como economista que tiene una licenciatura (finanzas, banca y seguros) en la Facultad de Economía, Universidad de Belgrado y MBA (Proyecto Líder) en Ivey Business School, no quería tirar mis años de estudio para convertirme en " programador del curso ".

Como soy Gerente de Marketing durante 2 años en mi startup Petrucci Elegance y también en Youth Business Forum, sé que no he nacido para trabajar en el banco.

Asisto a todas las reuniones en Belgrado en ICT Hub, Start y Impact Hub (temas sobre marketing digital, emprendimiento, TI, ciencia de datos, IA). Además, soy una persona que aprende cosas nuevas todos los días, nunca se rinde y tiene mucha hambre de conocimiento.

Leí 1500 palabras en un minuto, y en 2017 leí 50 libros. ¿Sabías que una persona promedio lee 400 palabras en un minuto y lee alrededor de 50 libros en toda la vida?

La comunidad tecnológica y de inicio en Belgrado es tan fuerte y grande que realmente me encanta. Siempre fui diferente de los demás, por lo que esta comunidad es un lugar increíble para mí. Quería formar parte del sector de TI y no sabía por dónde empezar y qué carrera profesional es para mí. Entonces Data Science se convierte en una carrera profesional perfecta para mí.

Hay aproximadamente 215,000 puestos vacantes en Data Science (Fuente: Indeed.com).

Actualmente hay alrededor de 31,000 vacantes para puestos de Estadístico en los Estados Unidos (Linkedin), que ofrecen un salario promedio de $ 77,000 (Glassdoor).

Le pregunté a mi amigo Slavo y a mi mentor ahora qué debería hacer en mi carrera. Él me conoce muy bien y dijo que naciste para Data Scientist. Así que acepté el desafío de 6 meses para convertirme en TOP Data Scientist.

Aquí está mi MAPA DE RUTA de enero a agosto de 2018. Mi mentor Slavo lo hace por mí y me apoya a diario.

ENERO

Todos los días viendo KirillEremenko Super Data Science y podcasts.
www.superdatascience.com

(Mirando desde enero y todos los meses por delante)

www.superdatascience.com/podcast-marketing-research-to-data-science/

Como puede ver después, la mayoría de mis cursos son cursos de Kirill y también Hadelin de Ponteves. Realmente me encanta su forma de explicar todo y hasta ahora me aprendieron mucho durante estos 19 días en 2018.

1. Vi estos videos en Youtube en busca de motivación e inspiración y para mí es DS:

https://www.superdatascience.com/podcast-marketing-research-to-data-science/
https://www.youtube.com/watch?v=rIofV14c0tc
https://www.youtube.com/watch?v=I7IW9Z3h20Y&t=1374s
https://www.youtube.com/watch?v=MOdlp1d0PNA&t=1064s

2. Domingo 6.1.2018. Observé carreras en ciencia de datos de la A a la Z y escribí todo lo que no sabía ni entendía. Lo encontré en Google y luego al día siguiente comenzó a aprender. :)

Tuve que verlo ese día en general. El curso es asombroso. Kirill Eremennko y Hadelin de Ponteves realmente sabían cómo explicar cosas complejas tan fácilmente.

3. Debe terminar antes del 25 de enero estos dos cursos (y chicos, los estoy terminando en el momento :))

4. Lea todos los días estos dos libros y ejercite Python. (También puedes descargar pdf y leerlo)

5. El 26 tengo que aprender estos cursos para fines de enero.

6. Abrir Git Hub a finales de enero y subir mis proyectos en Python:

(para mí este curso fue demasiado pesado, no lo entendí. De todo en enero, Git y Git Hub fueron muy difíciles para mí. Tuve que aprender lo básico en un día, en cambio, lo aprendí en tres días. Y ahora estoy muy emocionado de subir mi proyecto en Git Hub)

7. Abrir mi cuenta de Kaggle y comenzar a competir en Data Science.

https://www.kaggle.com/

8. Aprenda los conceptos básicos de Tableau y haga ejercicio con datos reales tres días a la semana.

Realmente amo a Tableau y decidí ejercitarlo todos los días. Leí en alguna parte que cuando trabajas en algo todos los días solo durante 1 hora, serás maestro en ese campo en dos años. ¿No es asombroso?

FEBRERO

1. ¡Aprenda Python A-Z: Python para ciencia de datos con ejercicios reales !:

2. Aprenda Tableau avanzado:

Decidí hacer ejercicio todos los días en Tableau durante 1 hora, como dije anteriormente. Así que compré todos los cursos de Kirill Eremenko y Super Data Science. Quiero dominarlo porque realmente me gustan Tableau y los datos. También en mi Facultad, tenemos investigaciones de mercado donde utilizamos SPSS. Obtuve un puntaje A y realmente me gustan esos datos. Así que Tableau es realmente increíble y es algo que me veo haciendo todos los días en mi futuro trabajo como Data Scientist.

3. Abra mi perfil de Upwork y empiece a trabajar para mi cartera en Data Science

www.upwork.com

4. LINKEDIN- status Learning Data Science \ Machine Learning

MARZO-AGOSTO *************************

¡Hasta ahora todo estaba preparado para esto !:

1. Aprende estos cursos todos los días:

2. Lea estos libros como esenciales para convertirse en uno de los principales científicos de datos:

3. Prepárese para las entrevistas y comience a solicitar los mejores trabajos en Data Science

Finalmente

Parte de mi desafío de # 6 meses también es escribir blogs cada semana sobre mi progreso diario en la hoja de ruta de Data Science. Escribiré cada semana un blog sobre cómo fue mi semana anterior. Escribiré sobre estos cursos, sobre mis luchas y todo sobre la hoja de ruta para convertirme en un científico de datos superior. De esta manera, quiero ayudar a otros que desean convertirse en científicos de datos o que no saben cómo comenzar su carrera profesional. Escribiré honestamente sobre los desafíos cotidianos, las horas de trabajo y aprender cosas nuevas en Data Science. Además, escribo esto para motivarme a seguir en el camino y para motivar a otros a comenzar su carrera en Data Science.

Como dijo Kirill: "¡Hasta la próxima, hasta entonces feliz de analizar!"

# 6mesthchallenge #datascience #machinelearning #womenintech #deeplearning

Usé infografías de mis cursos de Kirill Eremenko y Super Data Science.