¿Qué veremos en este tutorial?

• Cómo puedo mejorar mis oportunidades de encontrar un trabajo en datos
• Cómo puedo saber qué rol en datos es mejor para mí

Esta guía no pretende mostrar la única forma de conseguir un trabajo en el área de Ciencia de Datos/Machine Learning. Lo que sí busca es mostrarte lo que yo he aprendido por la experiencia, y lo que yo hice para lograr que en mi contrato diga que mi trabajo consiste en:

• La creación de modelos estadísticos y de probabilidad (predictivos) y su aplicación en lenguajes de programación como Python y utilerías como Pandas, Numpy y SciKit Learn.
• El diseño y/o uso de modelos de Machine Learning y su aplicación en lenguajes de programación como Python a partir de volúmenes de datos.
• El refuerzo e investigación en la implementación de métodos de medición de Software como COSMIC para su automatización y análisis de estadísticas de medición con fuentes abiertas.
• El desarrollo e implementación de modelos de Big Data / Machine Learning en los productos actuales de [company name] enfocados en [company product].
• La investigación y aplicación de SDK’s existentes sobre distintas índoles como reconocimiento facial/huella digital/huella dactilar/realidad virtual y similares para su aplicación en proyectos nuevos y existentes sobre productos de [company name] en el sector público y productos de iniciativa privada.
• El diseño y estructura de una célula de investigación en tecnología, científica, de modelos y buenas prácticas para generación de nuevos productos o iniciativas dentro del sector público y privado.

Asegúrate de que la Ciencia de Datos/Machine Learning es para ti

Esto podría parecerte un paso innecesario, pero... ¿te has preguntado por qué quieres un trabajo en esta área? Si es solo por moda, mejor te sugiero solicitar un reembolso de esta guía. Antes de dar el salto a la ciencia de datos evalúa si estás lista/listo para los desafíos y oportunidades que esta área presenta. Para que descubras si el área de Ciencia de Datos/Machine Learning es para ti, a continuación te respondo seis preguntas que deberías conocer.

1. ¿Qué es la Ciencia de Datos?

En pocas palabras, la ciencia de datos busca ayudar a los tomadores de decisiones usando datos. El Machine Learning automatiza decisiones mentales de forma similar a como un brazo robótico automatiza tareas manuales.

2. ¿Qué hace un Data Scientist?

Puedes leer ejercicios prácticos de machine learning para ver cómo se resuelve un problema con Machine Learning. Mientras tanto, en la siguiente pirámide puedes ver qué herramientas suele usar un Data Scientist.

3. ¿Cuál es la perspectiva laboral de esta profesión?

De acuerdo a informes del Foro Económico Mundial, durante el 2023 y en perspectiva al 2024, los primeros tres lugares entre los empleos digitales con mayor demanda están/estarán relacionados con Inteligencia Artificial y Ciencia de Datos.

4. ¿Cuánto ganan los científicos de datos?

Esta pregunta suele ser difícil de responder. Sobre todo si tomamos en cuenta los niveles Jr, Sr, o incluso el país. Sin embargo, puedes revisar informes detallados en Sueldos de Glassdoor para científicos de datos para tu país o región.

5. ¿Cómo me puedo preparar para una carrera en ciencia de datos?

En la Sección IV de la Guía práctica para conseguir un trabajo en ciencia de datos, te explico con mayor detalle cómo puedes descubrir qué buscan los reclutadores para roles en datos. Es importante que lo sepas, pues de esto dependerá qué puedes hacer para prepararte mejor. Te tengo una propuesta, por haber adquirido esta guía, te ofrezco un descuento de 50% en mi programa de Machine Learning. ¡SOLO 20 LUGARES! No incluye asesorías.

6. ¿Qué roles en datos existen?

Esta pregunta es importante porque según cómo la respondas tendrás que adaptarte. Es decir, tu perfil de LinkedIn, tu currículum y tu portafolio de proyectos deben destacar que tienes las habilidades necesarias para cumplir las funciones del rol que pretendes cubrir.

Si bien es cierto que muchos reclutadores no conocen los roles distintos de datos que existen, poco a poco se va marcando una clara diferencia entre estos seis roles:

• Data Scientist
• Machine Learning Engineer
• Data Analyst
• Software Engineer-Machine Learning
• Machine Learning Researcher
• Software Engineer

Veamos una descripción de cada uno de estos seis roles. Mientras los revisas, pregúntate -¿qué actividades me gustaría realizar? ¿qué rol me gustaría cubrir? Continuar leyendo en la guía práctica...

Puedes ir a workera.ai La plataforma contiene exámenes gratuitos para medir tu nivel de habilidades en Machine Learning/Data Science