Simplemente porque la práctica hace al maestro. En ciencia de datos estamos en un tiempo increíble donde tienes una oportunidad enorme de aprender con la explosión de recursos disponibles con los que puedes practicar.
Desde la persona más novata, hasta la más experimentada, puede profundizar en el análisis de su información, procesamiento de datos o inclusive en visualización de datos.
Tenemos la posibilidad de ir acumulando experiencias teóricas de manera secuencial, pero ha llegado el momento de tomarnos una pausa para enfrentarnos a la realidad, ver cómo sería posible poner esos aprendizajes a prueba y llevarlos a la práctica.
Por supuesto que existe un mundo “temible” con datos sucios, incompletos y con limitaciones inesperadas. El dataset que tenemos en la mano en experiencias profesionales puede ser muy diferente del dataset bien mantenido por la comunidad de Kaggle que hemos utilizado para aprender las bases.
En otras ocasiones, puede que el código que funcionaba muy bien con un ejemplo no funcione tan bien con el dataset que se genera en nuestra empresa. O puede que lo que aprendimos consideraba el procesamiento del lenguaje en inglés, pero a nosotros nos toca trabajar en español.
Existen cosas que hasta que las hacemos con regularidad, nos damos cuenta de que serán tu pan de cada día en ciencia de datos. Pero existe una forma con la que nos podemos adelantar a la realidad: crear proyectos profesionales con datos.
Puede sonar complicado, pero realmente no lo es. Se trata de que usemos el proceso de la ciencia de datos para resolver un problema del mundo real. Ese problema puede venir de nuestro trabajo actual, un trabajo al que queremos aspirar, algún hobby o cualquier lado.
Lo que realmente importa es que sea un tema del que estemos convencidos para hacer una propuesta radical, o cuando menos sea algo que pueda tener consecuencias tangibles en tu vida.
Esto puede desde ser una buena historia que contar en una fiesta, hasta ser una pregunta que nos venimos haciendo desde la década pasada. Lo importante es el tema que nos empuje. Porque eso será especialmente retador cuando nos enfrentemos a la barrera al trabajar y batallar con los datos que tengamos a la mano o podamos obtener.
Tras llegar a un tema interesante nuestro trabajo será completar los pasos que conforman al proceso de la ciencia de datos:
Puede ser sencillo de explicar, pero en la práctica es otra historia. Será un esfuerzo fuerte, los datos tendrán contratiempos o quizá el procesamiento de la información. Pero podemos tener la seguridad de que terminaremos con un resultado en nuestras manos, con la confianza de que somos capaces de generar un proyecto de nuestra propia inspiración y con la disciplina suficiente para llegar a su final de manera exitosa.
En cuanto a los temas que podemos cubrir en los proyectos pueden ser variadisimos. Hay personas que investigan qué hace que un equipo de básquetbol o fútbol sea efectivo; otras que buscan comunicar los patrones de seguridad pública de una ciudad; mientras otras buscan combatir problemas de salud social fundamentales.
Todas parten de una pregunta y usan el proceso de la ciencia de datos para llegar a conclusiones que quizá nadie más ha visto. La motivación y disciplina nos podrán llevar ahí.
Esto no solo puede ser muy divertido y enriquecedor sino bastante productivo:
Si has llevado varios cursos de ciencia de datos y no los has puesto en práctica ¡es hora de hacerlo!
Aquí te he contado las bases con las que puedes comenzar, pero quiero contarte mucho más y que tengas la mejor guía para idear, definir y desarrollar tus proyectos profesionales con los que conseguirás tu primer empleo en ciencia de datos.
Para ello te espero en el Curso Para Crear tus Proyectos de Ciencia de Datos. Aprenderás a poner estos pasos en práctica y obtendrás tips para enfrentarte a ellos con maestría uniendo todas las piezas de lo que has aprendido a los largo de la Escuela de Ciencia de Datos.
¡Nos vemos ahí! Y si ya lo tomaste ¿qué estás esperando para compartir tu proyecto con el resto de la comunidad Platzi? Estamos más que emocionados en leer que es lo que te inspira y nos encantará saber a qué conclusiones llegas. Esperamos tus contribuciones con mucho entusiasmo. 💚
Por fin salió este curso
Lo leí con la voz de Thanos jajajaja
Ahora ¡espero tu proyecto mi Ciro!
Estos he tenido esa inquietud, la escuela de Data Science en este momento cuenta con 46 cursos, llevo unos 7 terminados, aún estoy en el nivel principiante, es muy precoz pensar ya en la realización de proyectos? Por nombre el curso me mueve mucho pero aún me falta mucho para llegar al nivel avanzado en el cual está, y aquí vamos #NuncaParandoDeAprender
Por cierto, al igual que usted también tengo estudios en Ing química y aquí dándole a Data Science School
Wow! 46 Cursos! Suena increíble. Una felicitación por donde te encuentras y por la disciplina que demuestra tanto estudio. Definitivamente estas en el momento de aplicar, y como dicen, la práctica hace al maestro.
Te invito a que te inspires, tomes un tema que quieres analizar o aprender más y pongas manos a la obra.
Muchas gracias Ricardo, me anima más de que podré contar en este proceso con personas de gran trayectoria como usted. 😄
Siento que te vas a sentir un poco abrumado si llevas 7 cursos aprobados de la escuela. Esto si son de nivel básico (Python básico, matemáticas, etc.).
Te recomiendo, antes de que tomes este curso vayas y aprendas de Pandas.
Prepares un entorno profesional de trabajo para Ciencia de datos con este curso.
Conozcas un poco los fundamentos teóricos de los algoritmos de Machine Learning.
Así como poner en práctica estos algoritmos con el curso de Fundamentos Prácticos de ML
No desesperes, si el curso es avanzado para lo que hasta ahora conoces, te animo a que sigas aprendiendo. Por mi experiencia te lo digo, vale más ir avanzando poco a poco pero con conceptos claros que aventarse con algo avanzado y perderse en el camino.
No te desanimes, créeme que llegarás a lograrlo.
Hola Jose Luis. Muchas gracias por tomarte el tiempo de hacerme un feedback. Precisamente tenía en mente lo que dices. Seguiré la ruta establecida. Thanks a lot! 😄
Mucho éxito…
Me encantó el rebote que sucedió aquí. La maravilla de la comunidad.
Esto es algo que siempre me generaba dudas, porque a la hora de llevar proyectos a cabo, por ejemplo para un frontend o un UX/UI designer, me parecía algo mas “simple” en el sentido de que siempre se puede hacer alguna SPA, una web personal o algún clon de un sitio en particular. Pero con respecto a la ciencia de datos me intrigaba mucho como llevar a cabo proyectos personales. Sobre todo para aquellas personas que quieren conseguir su primer empleo.
Desde ya que este curso me parece una gran iniciativa y espero tomarlo en algún momento. 😁
Te esperamos, me encantará conocer lo que construyes. Avísame si te animas a implementar algo!!
Excelente, muy motivador
Ahora, manos a la obra, Henry!!
Excelente curso
¡A Darle!
Este mes comenzare mis primeros pasos con Python, con el objetivo de poder después aprender más sobre la ciencia de datos.
Excelente Rover. Cuando te sientas con ganas de explorar algún tema con el conocimiento adquirido, no dejes de ponerte a prueba con un reto en forma de proyecto.
Creo que es la mejor forma de perderle el miedo y plantearme preguntas que me llevarán a entender y conocer mucho más sobre el mundo de los datos.
Así es, así que no dejes de ponerte a prueba.
Acá listos para leer tu proyecto, Rafa.
😎 Genial!! En general una de las mejores maneras de reforzar el conocimiento es mediante la practica y experimentación, esta super que Platzi nos proporcione esa parte practica en los cursos.
Y créeme que estamos bien emocionados de ver lo que propongan.
¡Espero tu proyecto, Eloy!
Reto de la escuela de Data Science para cuándo? 😛
Pues, a ponértelo tu misma ¡Espero ver tu proyecto!
¡Estupendo!
¡Manos a la obra Carlos!