Greetings my dear Geeks, today I want to write to my fellow engineers, related or someone with special skills, who at this time want to complement their knowledge in one of the emerging professions most in demand today. I will try to share data in a simple way, with non-technical words that will help you to go from being an engineer to a data scientist.
Saludos mis apreciados Geeks, hoy quiero escribir a mis colegas ingenieros, afines o alguien con habilidades especiales, que en estos momentos quieran complementar sus conocimientos en una de las profesiones emergentes de mayor demanda en la actualidad. Trataré de compartir datos de una manera sencilla, con palabras poco técnicas que te ayuden a lograr pasar de ser un ingeniero a un científico de datos.
Sourse / Fuente: Glassdoor
According to Glassdoor, the base salary for a data scientist in the United States, taking into account bonuses and additional compensation, can achieve an average total pay of $155,728 per year, with the potential to be higher as you gain more experience.
De acuerdo con Glassdoor, el salario base de un científico de datos en los Estados Unidos, tomando en cuenta las bonificaciones y compensaciones adicionales, puede lograr recibir un pago total promedio de $155,728 por año, con posibilidades de ser mayor al adquirir mayor experiencia.
You may be wondering why this salary is so high when compared to senior engineering positions in energy or aerospace companies. However, you should know that the life of most industries today in a digital world is their data. And the area of study that is responsible for deriving intelligence from all of this is data science, offering lucrative opportunities for those who know how to target and communicate the true value of business data.
Te estarás preguntando la razón de por qué este salario es tan alto, si los comparamos con puestos de ingeniería de alta responsabilidad en empresas energéticas o aeroespaciales. Sin embargo, debes saber que la vida de la mayoría de las industrias hoy en un mundo digital, son sus datos. Y el área de estudio que se encarga de obtener inteligencia de todo esto, es la ciencia de datos, ofreciendo lucrativas oportunidades a quienes sepan orientar y comunicar el verdadero valor de los datos empresariales.
Not everyone has this ability to be able to analyze and interpret all these complex digital bits, applying emerging methodologies to help companies make the best decisions. An example of a task often faced by a data scientist is analyzing customer consumption statistics for a franchise chain such as Walmart. The information that a good study of this case yields has an impressive value for its executives. This is why these specialists are highly demanded by the most important recruiters on the planet.
No todo el mundo tiene esta habilidad de poder analizar e interpretar todos estos bits digitales complejos, aplicando metodologías emergentes para ayudar a las compañías a tomar las mejores decisiones. Un ejemplo de una tarea a la suele enfrentarse un científico de datos es la de analizar las estadísticas de consumo de los clientes de una cadena de franquicias como Walmart. La información que arroje un buen estudio de este caso tiene un valor impresionante para sus ejecutivos. Es por esto, que estos especialistas son altamente demandados en las reclutadoras más importantes del planeta.
There are projects of many universities that are endorsing the title of Data Scientist, however, they will not be useful if they are not able to demonstrate their expertise in corporate practice. Experience will be crucial to a successful career, but I can assure you that having a certified academic background in engineering will be an important competitive advantage. The same is true for another specialty that today also has a place of honor in the professions of the immediate future, such as artificial intelligence.
Hay proyectos de muchas universidades que están avalando el título de Científico de Datos, sin embargo, no serán útiles si no se logran demostrar su experticia en temas de la práctica corporativa. La experiencia será crucial para hacerse una exitosa carrera, pero puedo asegurar, que teniendo como base una formación académica certificada en ingeniería será una ventaja competitiva importante. Igualmente sucede con otra especialidad que hoy también posee un sitial de honor dentro de las profesiones del futuro inmediato, como lo es, la inteligencia artificial.
What do I have to do to become a data scientist?
To begin with, a data scientist leads the company's big data and, at the same time, has the responsibility to perfectly communicate the information they need to their entire team, whether it is to carry out marketing campaigns or to provide geolocation data for the opening of new sales branches. As you can see, data science is a multidisciplinary area, which requires constant professional updating, such as programming, mathematics and statistics.
¿Qué debo hacer para convertirme un científico de datos?
Para iniciar, un científico de datos lidera el big data de la compañía y a la vez, tiene la responsabilidad de comunicar perfectamente a todo su equipo la información que necesitan, ya sea para realizar campañas de marketing o para aportar datos de geolocalización para la apertura de nuevas sucursales de ventas. Como podrás ver, la ciencia de datos es un área multidisciplinaria, que requiere una actualización profesional constante como, por ejemplo: programación, matemáticas y estadística.
What skills should a data scientist have?
¿Qué habilidades debe tener un científico de datos?
Photo by / Foto de Gagareen on / en Pexels
1) Perform data analysis using programming tools. Currently the programming languages most commonly used to support this task are Python, SAS and R. I place this skill in first place because it is important to have an in-depth knowledge of any of these languages. Of these, Python is the most popular, its open source NumPy and Scip libraries are always present as an indispensable requirement for recruiters and human resources offices.
1) Realizar análisis de datos utilizando las herramientas de la programación. En la actualidad los lenguajes de programación más utilizados como apoyo en esta tarea son Python, SAS y R. Coloco esta habilidad en primer lugar por qué es importante conocer a profundidad alguno de estos lenguajes. De todos estos es Python el más popular, sus bibliotecas NumPy y Scip, de código abierto están siempre presentes como requisito indispensable de los reclutadores y en las oficinas de recursos humanos.
Photo by / Foto de Ivan Samkov on / en Pexels
2) As a second skill, we need to know tools such as Talend, Apache Spark, Tableau and Hadoop, which are specific to Big Data. Unlike traditional data processing, the use of these tools provides what is necessary to handle complex and numerous data.
2) Como segunda habilidad tenemos, conocer herramientas cómo Talend, Apache Spark, Tableau y Hadoop, propias de Big Data. A diferencia del tratamiento de los datos tradicionales, el uso de ellas proporciona lo necesario para manejar datos complejos y numerosos.
Photo by / Foto de Akshar Dave on / en Pexels
3) Be creative. This profession is not only about finding the answer to why a certain event happens, but also discovering how to find a solution. To do this, data scientists build algorithms that require fast and efficient answers. Therefore, they will require a clear vision of the problems and the different ways to approach them.
3) Ser creativo. Esta profesión no se trata únicamente de buscar la respuesta al por qué sucede cierto evento, sino también descubrir el cómo buscar una solución. Para ello, los científicos de datos construyen algoritmos que requieran rápidas respuestas y eficientes. Entonces, van a requerir una visión clara de los problemas y las diferentes formas de abordarlos.
Photo by / Foto de ThisIsEngineering on / en Pexels
4) Knowledge in mathematical analysis and statistics. One of the failures of the educational system is that we teach methods and not analyze mathematical problems. Many schools overlook these exercises at the end of each lesson and engage in solving problems of little application. This skill is vital for a data scientist as you have constant contact with raw numbers in large quantities. Fundamental to this is mathematics: analysis of derivatives and limits, integration and differentiation, functions and infinite series. On the other hand, statistics requires the ability to present empirical data through methods for collecting, analyzing, interpreting and presenting this information.
4) Conocimientos en análisis matemáticos y estadística. Una de las fallas del sistema educativo, es que enseñamos métodos y no analizar los problemas matemáticos. Muchas escuelas pasan por alto estos ejercicios que se encuentran al final de cada lección y se enfrascan en la resolución de problemas de poca aplicación. Esta habilidad es vital para un científico de datos ya que se tiene constante contacto con números sin procesar en grandes cantidades. Para ello es fundamental de las matemáticas: análisis de las derivadas y los límites, integración y diferenciación, funciones y series infinitas. Por otro lado, de la estadística se necesita la destreza de presentar datos empíricos a través de métodos para recopilar, analizar, interpretar y presentar esta información.
Photo by / Foto de Ketut Subiyanto on / en Pexels
5) Possess a firm determination. The nature of this profession is to always work with a constant flow of data, a fact that many times the brain rejects, triggering feelings of frustration. It is then, where this soft skill must come to the fore and help overcome the obstacles that appear throughout this dynamic.
5) Poseer una firme determinación. La naturaleza de esta profesión es siempre trabajar con un flujo constante de datos, hecho que muchas veces el cerebro rechaza, desencadenando en sentimientos de frustración. Es entonces, donde esta habilidad blanda debe salir a flote y ayudar a superar los obstáculos que aparezcan a lo largo de toda esta dinámica.
Goodbye my dear reader, I hope this article, written with much affection, will be to your liking.
Hasta luego mi apreciado lector, anhelo que el artículo realizado con mucho cariño, resulte de su agrado.
I would greatly appreciate your visit to @gerardoguacaran, follow me and value my work.
Agradecería mucho su visita a @gerardoguacaran, seguirme y valorar mi trabajo.
Title image was made by @gerardoguacaran using CANVA and FREEPIK image.
La imagen del Título fue realizada por @gerardoguacaran usando CANVA e imagen de FREEPIK.
The separator is my own, made with PAINT and image from FLATICON.
El separador es de mi propiedad realizado con PAINT e imagen de FLATICON.
The banner is also my property. Made with CANVA, the BITMOJI App and the QR code with the TEC-ITgenerator.
El banner también es de mi propiedad. Realizado con CANVA, la App BITMOJI y el código QR con el generador de TEC-IT
Respecting the copyright of the content, I always include the original link of the source article. If the author does not agree, simply leave a comment below the article, and it will be edited or removed at the author's request. thank you very much! best regards!
Respetando los derechos de autor del contenido, siempre incluyo el enlace original del artículo fuente. Si el autor no está de acuerdo, simplemente deje un comentario debajo del artículo, y será editado o eliminado a pedido del autor. ¡Muchas gracias! ¡Saludos!
