Matemáticas, dominio del negocio y ciencias de la computación son destrezas que necesitas desarrollar para convertirte en Data Scientist. Quizás no comprendas todavía todos los requerimientos de este mundo, pero me aseguraré de que más adelante los conozcas en este blog y puedas relacionarnos con lo que has aprendido en libros y otros recursos.
Sé que temas como la estadística, los negocios, el cálculo, datasets, lenguajes de programación, etc. pueden sonar aterradores y provocar pánico, como le ocurre a la ranita Kermit que no sabe por dónde empezar.
Pero hey, ¡espera! No todo en esta área de conocimiento tiene que ser complejo. En Platzi queremos enseñarte un camino de aprendizaje más ameno, donde estarás acompañado o acompañada de nuestra comunidad para entender el mundo de ciencia de datos e inteligencia artificial.
¡Así es! Descubrirás cómo analizar datos para cambiar el mundo más pronto de lo que imaginas, incluso con esta ruta de Cursos de Data Scientist 🌐.
Toda persona profesional en data science debe tener cierto entendimiento en:
Las matemáticas para ciencia de datos e IA abarcan una vasta cantidad de temas, incluyendo la estadística como una base de ellas para la industria. A diferencia de otras destrezas que se aplican en lápiz y papel, este oficio de la industria digital se guía principalmente de las matemáticas y de la programación.
En cambio, el dominio del negocio se refiere a conocimientos o experiencia en el campo, industria o sector de la empresa u organización en la que trabajes y de los datos que tengas.
Por ejemplo, en empresas de educación en línea (EdTech), como Platzi, todo el equipo necesita descubrir cómo aprenden las y los estudiantes. Lo cual demuestra que en una empresa o compañía, aunque no todos cuenten con la misma especialidad, es importante que las personas sepan cómo funciona el negocio para trabajar.
Cuando hablamos de ciencias de la computación nos referimos a todos esos conocimientos en programación, bases de datos e ingeniería de software necesarios para este mundo. Básicamente, en esta área descubrirás herramientas como: Python, SQL, Excel, bases de datos, servicios iCloud y más.
Ahora que ya conoces qué debes aprender de esas tres áreas para especializarte, la pregunta clave es: ¿cómo empezarías una carrera como Data Scientist?
De forma breve necesitas:
Ahora veamos cada uno de esos cursos para que tengas una idea de lo que necesitas.
Comencemos por comprender claramente de qué trata la ciencia de datos, qué es inteligencia artificial, big data y cómo se relacionan estos temas. Después de analizar todo esto podrás comprender mejor cómo funcionan equipos de Data Science y qué roles de trabajo existen dentro de la industria.
Dentro del curso de Cómo y Por Qué Aprender Data Science e Inteligencia Artificial conocerás las posibilidades que estos mundos tienen para ti. Romina Huamán y yo, Miguel Torres, estaremos muy contentos de acompañarte en tus primeros pasos.
Recuerda que la ciencia de datos funciona para recolectar información que puede servirte para transformar esos datos en decisiones de negocio y, eventualmente, utilizarlos en modelos de machine learning.
Con Sílvia Ariza como tu profesora del Curso de Análisis de Negocios para Ciencia de Datosconocerás las generalidades del mundo de datos, cómo se integran equipos de data en una empresa, así como el flujo de trabajo y herramientas necesarias para analizar datos en negocios.
Desarrollarás las habilidades para adaptarte y aprender acerca del dominio del negocio de las empresas en las que quieras colaborar. 💪
Python es uno de los lenguajes predilectos para IA y ciencia de datos, además es uno de los más sencillos de aprender. Muchas herramientas de datos han sido desarrolladas con base en este lenguaje de programación y dominarlo te garantiza que tendrás a la mano una gran capacidad para triunfar en este mundo.
En el Curso de Fundamentos de Python, con Nicolas Molina como tu profe, aprenderás las instrucciones principales de este lenguaje, conocerás las estructuras de datos, funciones, ciclos, operadores y todos los conocimientos esenciales para crear tus primeros programas con Python.
Contamos también con una ruta de cursos de data scientist con python.
¿Dónde programar para ciencia de datos? La respuesta son las Jupyter Notebooks, la herramienta principal que toda persona en ciencia de datos empleará en su rutina, donde escribirá código y visualizará resultados.
Dentro de los Jupyter Notebooks podrás incluir código ejecutable, texto, imágenes, ecuaciones y otros medios como videos en un solo documento. Por esta razón es que se han convertido en una opción muy popular en data science.
En el Curso de Entorno de Trabajo para Ciencia de Datos con Jupyter Notebooks y Anaconda, con Jesús Vélez como tu profesor, aprenderás cómo utilizar las Jupyter Notebooks y configurar un entorno de trabajo con Anaconda.
Ahora conoces bien por donde empezar en este camino de data science. Completa estos 4 cursos para introducirte en el mundo de los datos y la inteligencia artificial. Cuéntanos qué aprendiste, qué lograste y cuál será tu siguiente paso en la Escuela de Data Science e Inteligencia Artificial. 🧠🤓
Sencillamente delicioso. Una verdadera seda para los dedos de todos los Data que amamos esta profesión. A seguir con todo que somos muchos y necesitamos muchos más.
Es productivo que hayan posts como estos que enseñen cómo es un área de conocimiento específica como la ciencia de datos, además de mostrar organizadamente como se debería empezar a aprender.
qUE BUEN CONTENIDO GRACIAS.
Super bien, deberían hacer mas posts como estos, muchas gracias Platzi! a Darle con toda soy primíparo en el campo.
¿Por qué es necesario “Dominio del negocio”? Si por ejemplo solo nos interesa usarlo para la ciencia o investigación pura.
Incluso en la investigación, antes de resolver un problema es importante comprender ¿cúales son las necesidades y objetivos que tenemos?.
Da igual de si se trata de software comercial o si es un trabajo investigativo, siempre estaremos orientados por una pregunta problematizadora o por la instrucción de un cliente.
Allí es fundamental saber abstraer los conceptos del código a la realidad y saber implementar una solución de la realidad al algorirmo.
Gracias, aunque la verdad no veo por qué partimos de necesidades que tenemos, la investigación puede ser pura como en matemáticas o física teórica sin buscar satisfacer ninguna necesidad, quizá no le estoy entendiendo mas no veo que sea necesario un “dominio del negocio” para usar herramientas computacionales e investigar. El dominio sería en todo caso de la ciencia en que lo vayamos a aplicar, para que dicho análisis de datos se corresponda con nuestro fenómeno a estudiar.