Carreira. Data Science
Olá, tenho 20 anos. Sinto que preciso tomar as rédeas e de fato começar a pensar em uma carreira. Venho tendo bastante contato com o meio de Programação. Inclusive fiz alguns estudos sobre desenvolvimento web e até desenv. de software. Estudei de maneiras bem breves algumas linguagens e conceitos gerais da programação. Penso muito na área de Data Science, algo que me vem agradando muito ultimamente. Vi alguns vídeos no youtube em conjunto com blogs na internet, para ter uma visão geral e ampla sobre o assunto. Obviamente uma das coisas mais atrativas é o fato da alta empregabilidade e os altos salários. Mas apesar disto, entendo que deve haver um esforço e dedicação para tal beneficio/posição. Gostaria da opinião de vcs que trabalham na área e se possível uma breve e curta historia sobre sua trajetória na área. Estou seguindo este caminho:
SQL -> p/ Analise de Dados (2 cursos na udemy)
obs: aqui n vi a necessidade de ter um livro junto para acompanhar.
Linguagem: Python (2 cursos) : um na udemy outro CS50P no youtube.
IDE (VSCode / PyCharm)
livro: Curso intensivo de Python - Eric Matthes
depois - foco em projetos (conceitos e fundamentos) depois ir avançando conforme complexidade.
escolha da área de atuação: Data Science.
IA, ML dentre outras coisas.
Algoritmo e Estruturas de dados. (sem conteúdo ainda)
livro: Entendo Algoritmos
Por enquanto é isto que vou seguir a partir de agora, venho escolhendo os cursos de acordo com o que vejo ser a melhor didática para mim, assim posso reter mais conteúdo.
Se tem algo que possa estar equivocado ou até mesmo melhorar, estou aberto a sugestões de cursos e outros caminhos. Obrigado!
Olá Isaias, cara, sou cientista de dados e espero poder te guiar.
Então, gostei do conteúdo que você está consumindo para começar a aprender os fundamentos de DS. Aprender SQL é de extrema importância para qualquer área de dados (analista, cientista e engenharia). Então foque bem nisso.
Sobre Python, não sei o seu nível real de codificação, mas esse livro é muito bom para iniciantes. Aprenda bem ele, tem uma parte de ciência de dados bem simples. Depois disso, aprenda bem sobre Pandas e NumPy para manipulação de dados e plotagem de gráficos com plotly, matplotlib e seaborn para visualização dos mesmos (MUITOS canais no youtube explicam super bem e é de graça).
Depois seria bacana aprender um pouco de estatística, pois sem isso não conseguiremos ter ideias para resolver problemas de negócio. Aprender probabilidade é bacana também.
O próximo passo em codificação é aprender as bases de Machine Learning (Aprendizado Supervisionado e não supervisionado, aprendizado online e em batch). E por fim aprender a criar os seus primeiros modelos com a biblioteca scikit-learn. Aprender estatística é legal para poder entender a fundo as saídas que o scikit-learn devolve pra gente.
Depois (se necessário) caia a fundo sobre deep learning, sobre as arquiteturas de redes neurais existentes e principais frameworks e apis (Tensorflow/Keras ou PyTorch).
Agora saindo um pouco de DS, aprender a criar apis é importante para outros serviços web possam consumir os modelos criados. Percebo cada vez mais que aprender sobre docker é um diferencial. E aprenda sobre ferramentas e conceitos da "nuvem", seja ela aws, azure ou gcp.
Espero ter ajudado e bons estudos!
Bom dia iisaiass,
Sou também cientista de dados e segue de maneira breve a minha trajetória:
Comecei no RH, fui vendo a possibilidade de automatizar processos, segui para a área de custos de pessoal > indicadores de RH > People Analytics > Análise de Dados > Ciência de Dados.
Concordo com o ramonstro sobre a importância de estatística, aproveito para complementar com duas outras áreas que vai precisar se desenvolver: área de negócio e ciência da computação (os hard skills que menciono sobre python, numpy, etc.
Ao invés de dar um passo a passo do que deveria estudar, minha sugestão seria fazer o inverso:
- Como a ciência de dados é sobre resolver problemas, procure diversos projetos para desenvolver.
- Naturalmente vai vir a necessidade de:
- Entender o que significam as métricas (Área de negócio)
- Entender as ferramentas que vai utilizar, como o python (Ciência da Computação)
- Entender quais ferramentas vão te ajudar a fazer análise exploratória e validação de hipóteses (Estatística)
Espero ter ajudado!