Cientista de Dados – Por Onde Começar em 8 Passos
Ansioso por desbravar o universo da Ciência de Dados e não sabe por onde começar? Nós ajudaremos você. Preparamos um guia que vai ajudá-lo a compreender o que faz um Cientista de Dados e como iniciar sua preparação! Confira.
Vamos começar definindo o que é um Cientista de Dados:
Cientistas de Dados são uma nova geração de especialistas analíticos que têm as habilidades técnicas para resolver problemas complexos – e a curiosidade de explorar quais são os problemas que precisam ser resolvidos.
Eles também são um sinal dos tempos modernos. Cientistas de Dados não estavam no radar há uma década, mas sua popularidade nos anos recentes reflete como as empresas agora pensam sobre Big Data. Essa incrível massa de dados não estruturados já não pode mais ser ignorada e esquecida. É uma mina de ouro virtual que ajuda a aumentar receitas – contanto que haja alguém que escave e desenterre insights empresariais que ninguém havia pensado em procurar. Entra em cena o Cientista de Dados.
Para a comunidade em geral, um Cientista de Dados é um desses “Magos de Dados”, que pode adquirir massas de dados de diversas fontes e então limpar, tratar, organizar e preparar os dados; e, em seguida, explorar as suas habilidades em Matemática, Estatística e Machine Learning para descobrir insights ocultos de negócios e gerar inteligência.
Os dados utilizados por um Cientista de Dados podem ser tanto estruturados (bancos de dados transacionais de sistemas ERP ou CRM, por exemplo) ou não estruturados (e-mails, imagens, vídeos ou dados de redes sociais). O Cientista de Dados cria algoritmos para extrair insights desses dados. Em seguida, cabe ao Cientista de Dados, apresentar estes dados, de forma que os tomadores de decisão possam utilizar o resultado da análise ao definir as estratégias empresariais ou mesmo para criar novos produtos ou serviços baseados em dados.
De acordo com Anjul Bhambhri, ex Vice Presidente de Big Data da IBM e atual Vice Presidente da Adobe, o Cientista de Dados é o profissional capaz de trazer a mudança para uma organização através da análise de diversas fontes de dados. Anjul Bhambhri escreve:
“Um Cientista de Dados representa uma evolução do papel de Analista de Negócios ou Analista de Dados. Estes profissionais possuem uma base sólida normalmente em ciência da computação, modelagem preditiva, estatísticas, matemática e análise de negócios. O que define o Cientista de Dados é a forte visão de negócios, juntamente com a capacidade de comunicar os resultados, tanto para os líderes de negócios quanto para seus pares, de uma forma que influencie como uma organização posiciona-se diante dos desafios do mercado”.
Com tantas informações sobre a profissão de Cientista de Dados e seu crescimento exponencial nos últimos anos, é fácil se perder diante de tantos artigos e materiais com fórmulas mágicas sobre qual caminho seguir. Vamos fazer um alerta: não existe caminho fácil para se tornar um Cientista de Dados! É preciso estudar, aprender diferentes técnicas e ter conhecimento interdisciplinar. Por esse motivo, os Cientistas de Dados são bem remunerados e difíceis de encontrar no mercado.
Abaixo, os 8 passos que consideramos fundamentais para a preparação de um Cientista de Dados:
Passo 1: Faça Uma Auto Avaliação
Este é o primeiro passo e acredite, é fundamental. Você, como profissional, precisa avaliar o momento atual da sua carreira e como pretende estar em 5 ou 10 anos. Se pretende seguir uma carreira em Analytics, seja como Cientista de Dados, Engenheiro de Dados ou Analista, precisa compreender quais são suas habilidades atuais, onde pretende chegar, avaliar os gaps e traçar um plano de ação.
O profissional pode vir de áreas como Estatística ou Ciência da Computação, sendo comum encontrar profissionais de outras áreas atuando como Cientistas de Dados (Marketing, Economia, Ciências Sociais, etc..). Mas independente da área de formação acadêmica, algumas características serão comuns a todos os profissionais que trabalham com Ciência de Dados:
Programação – Conhecimento de programação é necessário. Linguagens de programação como R, Python, Julia, Scala, Java, Rust, C++ são parte do arsenal de ferramentas utilizadas em Data Science. Mesmo outros pacotes de análise de dados, como SAS, Matlab, Octave, SPSS e até o IBM Watson Analytics, requerem conhecimento em programação, para se extrair o melhor de cada ferramenta. É a habilidade de programação, que permite ao Cientista de Dados colocar em prática sua criatividade e extrair dos dados respostas para perguntas que ainda não foram feitas. Se você já tiver conhecimento em programação, isso será uma vantagem. Caso não tenha experiência em programação, mas tenha uma boa noção dos conceitos envolvidos em programação de computadores, isso vai ajudar muito. Avalie de forma clara seu nível de conhecimento em programação. Nós oferecemos na DSA um curso gratuito para quem pretende começar em programação. Acesse e se inscreva hoje mesmo: Python Fundamentos Para Análise de Dados.
Pensamento Lógico – Cientistas de Dados usam o pensamento lógico para fazer análises. Programação requer lógica. Se você já possui esta habilidade, isso vai acelerar seu aprendizado em Data Science.
Habilidade com Números – Matemática é a base da Ciência de Dados. Programação de computadores, envolve habilidade com números. Os algoritmos de Machine Learning, são baseados em conceitos matemáticos. A Estatística, parte fundamental da Ciência de Dados, requer habilidade com números. Avalie suas características e na sua auto avaliação, verifique se esse item será um problema ou não.
Conhecimento em Banco de Dados – Em diversas fases do processo de análise de dados, interações com bancos de dados serão necessárias. Bancos de dados relacionais, Data Warehouses, bancos de dados NoSQL, Linguagem SQL. Todas estas tecnologias estão diretamente ligadas ao trabalho do Cientista de Dados e pelo menos sua compreensão será um ponto que poderá fazer diferença. Avalie se você compreende o conceito de banco de dados, entende as diferenças entre bancos de dados relacionais e NoSQL e como utilizar Linguagem SQL para consultas.
A esta altura, talvez você já esteja se perguntando: como você pretende que eu aprenda tudo isso? Aqui entra um dos conceitos mal interpretados sobre a profissão de Cientista de Dados. Acredita-se que este profissional precisa conhecer todas as ferramentas. Isso não é verdade e nem mesmo necessário. Escolha suas ferramentas e se especialize nelas. Por exemplo: conhecimento em Linguagem Python e banco de dados, permitirá fazer análises de grandes volumes de dados (Big Data). Você não precisa conhecer todas as linguagens de programação, bem como não tem que conhecer todos os bancos de dados. O mais importante é o pensamento lógico, esse sim indispensável (e esta habilidade talvez você já tenha). A tecnologia oferece ferramentas e nenhuma delas resolve sozinha 100% dos problemas, pois todas possuem suas limitações.
Ao fazer esta auto avaliação, será possível compreender seu nível atual de conhecimento e começar a pensar no plano de ação!
Passo 2: Prepare Seu Computador
Surpreso com este passo? Esta é a etapa onde você prepara seu ambiente de testes e não deve ser subestimada. Pode ser frustrante durante seu processo e aprendizagem, não ter o equipamento ideal para instalar softwares ou executar operações que requerem poder computacional.
A Ciência de Dados é computacionalmente intensa (isso não deve ser uma novidade para você!). Portanto, você precisa de um computador que permita processar seus scripts e aprender sobre análise de dados. Além disso, você vai precisar instalar ferramentas, interpretadores, pacotes office, etc…Para trabalhar com Ciência de Dados, um computador com 8GB de memória RAM, com um processador intel i5/i7/i9 ou equivalente é a nossa recomendação. Naturalmente, quanto maior a capacidade do seu computador, melhor! É possível também utilizar serviços como o Google Colab ou Amazon AWS e montar um ambiente virtual de trabalho.
Sistema Operacional – A decisão por qual sistema operacional utilizar é bastante pessoal e qualquer um dos 3 principais sistemas operacionais (Windows, MacOS e Linux) vai atender as suas necessidades. De qualquer forma, você poderá instalar máquinas virtuais com outro sistema operacional. Boa parte do framework de Data Science e Big Data, foi construída sobre plataforma Unix. Para um servidor Apache Spark (por exemplo), um servidor Linux é a melhor recomendação. Já para a parte de apresentação de dados, Microsoft Office e outras ferramentas de visualização podem depender de um sistema Windows. Não há uma regra aqui, mas para usuários mais avançados, um sistema Unix é recomendado. Para aqueles que se sentem mais confortáveis com o Windows, não há problema algum. Utilize o Windows como seu sistema operacional base e, se necessário, crie uma máquina virtual com Linux, se quiser processar arquivos com Apache Spark ou realizar outros testes.
Softwares – Independente da linguagem de programação que você escolher, você vai precisar instalar o interpretador e uma IDE (ambiente integrado de desenvolvimento). Se a sua escolha for pela Linguagem Python, por exemplo, além de instalar o interpretador, você poderá instalar o Visual Studio Code. O mesmo vale para outras linguagens de programação. É possível criar seus scripts de Data Science 100% online, via browser, usando o Jupyter Notebook. Mas nem sempre você pode estar online e ter suas ferramentas instaladas localmente vai trazer uma série de vantagens. Além disso, considere instalar:
- Editores de texto: Sublime, Atom, Notepad++
- Software para Máquinas Virtuais: VirtualBox, Parallels, Docker
- Git e Github: para criar seu portfólio de projetos em Data Science
- Suite Office: Microsoft Office, Libre Office
Com exceção do Microsoft Office, todas as demais ferramentas são gratuitas.
Passo 3: Estatística e Matemática
Conhecimentos de Estatística e Matemática fazem parte do pacote essencial para quem pretende trabalhar como Cientista de Dados. Modelos estatísticos e algoritmos de Machine Learning, dependem de conhecimentos em regressão linear, regressão múltipla, clustering, Álgebra Linear, etc… Você precisa ser especialista em Estatística ou Matemática ou mesmo ter feito uma graduação nestas áreas? A resposta é não. Apesar dessas áreas permitirem uma compreensão mais abrangente, é possível aprender estes conceitos e aplicá-los, ao longo da sua jornada de aprendizagem em Data Science. Você não precisa aprender todos os tópicos relacionados à Estatística ou Matemática.
Existem muitas formas de aprender os conceitos de Estatística e Matemática aplicada e isso leva tempo. Para qualquer aspirante a Cientista de Dados a recomendação é aprender Estatísticas codificando, de preferência em Python, de forma que você possa aplicar imediatamente um conceito aprendido. Nada substitui uma graduação em Estatística ou Matemática claro, mas você pode aprender os conceitos que serão usados no seu dia a dia em Data Science, aplicando estes conceitos através de uma linguagem de programação. Data Science é uma área multi-disciplinar.
No fim deste artigo, você encontra alguns recursos indicados por nosso time de especialistas!
Passo 4: Cloud Computing
O aprendizado de Cloud Computing é essencial para um Cientista de Dados por várias razões:
Escalabilidade e Flexibilidade de Recursos: Cloud Computing oferece recursos computacionais escaláveis e flexíveis. Cientistas de Dados frequentemente trabalham com grandes volumes de dados e processos computacionalmente intensivos. A computação em nuvem permite ajustar facilmente a capacidade de processamento e armazenamento conforme necessário, sem a necessidade de infraestrutura física cara.
Acesso a Tecnologias Avançadas: Muitos provedores de serviços em nuvem oferecem tecnologias de ponta, incluindo aprendizado de máquina, analytics e bancos de dados otimizados para grandes conjuntos de dados. Isso permite que os Cientistas de Dados acessem ferramentas avançadas sem o custo ou a complexidade de configurá-las internamente.
Colaboração e Compartilhamento de Dados: A nuvem facilita a colaboração entre equipes, permitindo compartilhar conjuntos de dados, modelos e insights de maneira eficiente e segura. Isso é especialmente importante em ambientes onde as equipes estão distribuídas geograficamente.
Redução de Custos: A utilização de recursos de Cloud Computing pode ser mais econômica do que manter uma infraestrutura própria de TI. O modelo de pagamento conforme o uso permite que as organizações paguem apenas pelos recursos que utilizam, ajudando a reduzir os custos operacionais.
Acesso a Dados em Tempo Real e Análise em Grande Escala: A nuvem permite o processamento e análise de dados em tempo real, o que é fundamental para aplicações como detecção de fraude, monitoramento de redes sociais e análise de sentimentos. Além disso, ela suporta o processamento de grandes volumes de dados (Big Data), essencial para muitas aplicações em Data Science.
Segurança e Conformidade: Provedores de nuvem geralmente oferecem recursos robustos de segurança e conformidade, que são fundamentais para proteger dados sensíveis e cumprir regulamentações legais.
Aprendizado Contínuo e Atualização de Conhecimentos: O campo de Cloud Computing está em constante evolução. Aprender sobre as tecnologias e práticas atuais de cloud computing ajuda os cientistas de dados a se manterem atualizados com as tendências emergentes e melhores práticas na área.
Passo 5: Linguagem de Programação e Machine Learning
Existem diversas ferramentas de análise e o número de soluções não para de crescer. Mas a recomendação para quem está iniciando, é obter o conhecimento básico, antes de tentar usar ferramentas de análise ou pacotes comerciais, de forma a conseguir extrair o melhor destas ferramentas. Algumas linguagens de programação se tornaram ícones em Ciência de Dados, como Python e R, por diversas razões: são gratuitas, contam com uma comunidade ativa e crescente, já atravessaram o período de maturação, são amplamente utilizadas, tanto no meio acadêmico quanto no meio empresarial e se especializaram em Data Science.
Python – É uma linguagem de uso geral, que tem recebido nos últimos anos mais e mais módulos e pacotes para Data Science como Pandas, Matplotlib, Scikit-Learn, Stats Models e TensorFlow. Python é mais fácil de aprender em comparação a outras linguagens, tem uma comunidade ativa, muita documentação disponível (inclusive em português) e pode ser usada para outras atividades além de Data Science. Hoje é o padrão em Data Science, Machine Learning e IA.
Linguagem R – Linguagem estatística, que existe há mais de 30 anos. Sua capacidade de processar estatísticas de grandes volumes de dados e criar gráficos sofisticados é um diferencial. Mas a Linguagem R é mais complexa de aprender e recomendamos se dedicar a ela somente depois de estar proficiente em Linguagem Python.
Outras linguagens como Julia, Scala, Java e C++ também são muito utilizadas em Data Science, mas se estiver começando, opte pela Linguagem Python.
Se você já possui conhecimento em Matlab, Octave, Stata ou Minitab, saiba que seu conhecimento já pode ser utilizado em Data Science.
Uma dica importante: não tente aprender tudo! Selecione 2 ou 3 ferramentas e se dedique ao aprendizado delas de forma detalhada.
E claro, não dá para falar em Data Science, sem falar em Machine Learning.
Machine Learning (ou Aprendizado de Máquina) é uma das tecnologias atuais mais fascinantes. Você provavelmente usa algoritmos de aprendizado várias vezes por dia sem saber. Sempre que você usa um site de busca como “Google” ou “Bing“, uma das razões para funcionarem tão bem é um algoritmo de aprendizado. Um algoritmo implementado pelo “Google” aprendeu a classificar páginas web. Toda vez que você usa o aplicativo para “marcar” pessoas nas fotos do “Facebook” e ele reconhece as fotos de seus amigos, isto também é Machine Learning. Toda vez que o filtro de spam do seu email filtra toneladas de mensagens indesejadas, isto também é um algoritmo de aprendizado.
Algumas razões para o crescimento de Machine Learning são o crescimento da web e da automação. Isso significa que temos conjuntos de dados maiores do que nunca. Por exemplo, muitas empresas estão coletando dados de clicks na web, também chamados dados de “clickstream”, e estão criando algoritmos para minerar esses dados e gerar sistemas de recomendação, que “aprendem” sobre os usuários e oferecem produtos que muito provavelmente eles estão buscando. A Netflix é um dos exemplos mais bem sucedidos de aplicação de Machine Learning. Cada vez que você assiste um filme ou faz uma avaliação, o sistema “aprende” seu gosto e passa a oferecer filmes de forma personalizada para cada usuário.
Existem diversos algoritmos de aprendizagem de máquina, dependendo se a aprendizagem é supervisionada ou não supervisionada, tais como: Linear Regression, Ordinary Least Squares Regression (OLSR), Logistic Regression, Classification and Regression Tree (CART), Naive Bayes, Gaussian Naive Bayes, k-Nearest Neighbour (kNN), k-Means, Bootstrapped Aggregation (Bagging), Natural Language Processing (NLP), Principal Component Analysis (PCA), Principal Component Regression (PCR), BackPropagation e muito mais.
Cada algoritmo será ideal para determinado tipo de dado e de acordo com a análise pretendida. Não há necessidade de aprender todos os algoritmos. Mas é importante compreender os conceitos e como implementa-los. Daí a importância da Matemática e da Estatística.
Passo 6: Conhecimento de Negócios
Qual o objetivo da sua análise? Para que você vai coletar montanhas de dados e aplicar modelos de análise? Que problema você pretende resolver, analisando dados? O principal objetivo da Ciência de Dados é resolver problemas. As empresas não vão iniciar um projeto de Data Science, se isso não for relevante para o negócio. Portanto, o Cientista de Dados deve estar familiarizado com a área de negócio para a qual ele está iniciando um projeto, utilizando Data Science.
Normalmente o mercado interpreta de forma equivocada este requerimento para a profissão de Cientista de Dados, fazendo crer que o profissional precisa ser expert em determinado segmento de negócio. Mas aqui vale fazer algumas considerações importantes.
Primeiro, os profissionais de Business Intelligence sempre tiverem este requerimento, conhecer bem uma área de negócio, a fim de coletar os KPI’s (indicadores) e com isso prover soluções de BI que atendessem as necessidades do cliente. Isso não mudou, o que mudou foi a forma como a análise é feita, uma vez que o Big Data entrou na equação. Em segundo, dada a amplitude de projetos de Data Science e Big Data, dificilmente haverá um único profissional atuando e sim uma equipe de Data Science, normalmente liderada pelo Cientista de Dados. E no Data Science Team, diferentes perfis irão atuar, como por exemplo especialistas em segmentos de negócio.
A dica aqui é simples. Procure compreender a área de negócio na qual você pretende atuar como Cientista de Dados. Se vai trabalhar em uma mineradora por exemplo, quais são so principais indicadores? De onde vem os dados? Que problemas a empresa precisa resolver? Que tipos de dados devem ser analisados e correlacionados? Como técnicas de Machine Learning podem ser empregadas para melhorar o faturamento da empresa? Como a análise de dados permite oferecer um serviço melhor aos clientes? Cada área de negócio tem as suas particularidades e uma compreensão ampla disso, vai permitir um trabalho que realmente gere valor.
Passo 7: Storytelling, Técnicas de Apresentação e Visualização de Dados
Com a massiva quantidade de dados aumentando a cada dia, um grande desafio vem surgindo para aqueles responsáveis por analisar, sumarizar e apresentar os dados: fazer com que a informação gerada, possa ser facilmente compreendida.
E uma das tarefas mais importantes do trabalho do Cientista de Dados, é ser capaz de transmitir tudo aquilo que os dados querem dizer. E às vezes os dados querem dizer coisas diferentes, para públicos diferentes. Pode parecer fácil em princípio. Hoje temos à nossa disposição os mais variados recursos para apresentação e exatamente aí que está o desafio. Nunca foi tão fácil gerar tabelas e gráficos, com diferentes estruturas, formatos, tamanhos, cores e fontes. Os gráficos estão deixando de ser gráficos e se tornando infográficos. Ter um volume cada vez maior de dados à nossa disposição, não torna mais fácil a apresentação da informação gerada. Pelo contrário, torna a tarefa mais complicada. Quase uma arte.
Uma das tarefas do Cientista de Dados, é apresentar seus resultados. Ninguém melhor que o profissional que faz a análise, desde a coleta, limpeza e armazenamento dos dados, até a aplicação de modelos estatísticos, para explicar seus resultados. Uma visualização efetiva de dados, pode ser a diferença entre sucesso e falha nas decisões de negócio. Particularmente, eu acredito que em breve, a capacidade de comunicar e contar as histórias dos dados, será uma das características mais valorizadas e buscadas pelas empresas. Técnicas de apresentação é um dos skills que fará a diferença na hora de contratar um Cientista de Dados, à medida que o conhecimento técnico estiver difundido.
O Cientista de Dados deve ser um contador de histórias e deve ser capaz de contar a mesma história de maneiras diferentes. O profissional que for capaz de unir as habilidades técnicas necessárias para análise de dados, com a capacidade de contar histórias, será um profissional único. Este é o verdadeiro conceito de unicórnio, atribuído aos Cientistas de Dados.
Diversas ferramentas possuem funcionalidades avançadas para visualização de dados: Tableau, QlikView, Microsoft Excel, Microsoft Power BI, Microstrategy, Weka, NetworkX, Gephi, bibliotecas Java Script (D3.js, Chart.js, Dygraphs), além de visualizações alto nível que podem ser feitas em Python ou R.
É importante não apenas estar familiarizado com uma ou mais ferramentas para visualizar dados, mas também os princípios por trás da codificação visual de dados e comunicação de informações.
Passo 8: Pratique!!
Não há outra forma de aprender qualquer que seja o assunto. É preciso praticar, testar, experimentar, cometer erros, aprender com eles, testar novamente e compreender que você estará em modo permanente de aprendizado.
Ufa. Se você chegou até aqui, parabéns! Agora você compreende melhor porque o Cientista de Dados é uma profissão em ascensão e porque sua remuneração está entre as maiores em qualquer pesquisa que se faça? Mas ainda não terminamos, continue sua leitura!
Erros que devem ser evitados ao longo da caminhada:
1- Achar que o aprendizado é fácil e rápido – Em nenhuma profissão, o aprendizado é rápido e fácil. Adquirir conhecimento e experiência requer tempo, esforço, investimento e bastante dedicação. Não caia nesta armadilha de achar que é rápido e fácil. Comece sua preparação hoje mesmo, mas esteja ciente que adquirir conhecimento leva tempo.
2- Aprender muitos conceitos ao mesmo tempo – Este é o erro mais comum. Por se tratar de uma área interdisciplinar, há normalmente a tendência em querer aprender muita coisa ao mesmo tempo. Não foque em quantidade e sim qualidade. Aprenda um conceito, consolide, pratique e só então avance para outra área de estudo. O começo será mais difícil, mas à medida que aprende e adquire experiência, o aprendizado de novas ferramentas fica mais fácil.
3- Começar por problemas muito complexos – A solução de problemas mais complexos em Data Science, requer tempo e experiência. Não tente fazer isso no começo da sua jornada.
4- Focar apenas na programação – Data Science não é apenas programação. Outros conceitos são tão importantes quanto. Estatística é importante. Visualização de dados e apresentação são importantes. Tenha seu foco em outras áreas e não apenas programação.
E como estudar?
Ouvimos esta pergunta com frequência aqui na Data Science Academy. Antes de investir em formação analítica, tome essas medidas para ter certeza de obter o valor real do seu investimento.
1. Defina Suas Metas
Como diz o ditado: “Quem não sabe para onde vai, qualquer caminho serve!”. Você fez a auto avaliação sugerida lá no início do texto? Qual foi o resultado? Quais são as áreas que você precisa se dedicar? Como será sua disponibilidade? Qual seu objetivo? Sei que são muitas perguntas, mas elas precisam ser respondidas, antes de definir sua trilha de aprendizagem.
2. Experimente
Enquanto você não executar um algoritmo de aprendizado de máquina em um dataset com milhões de registros, não criar um algoritmo de limpeza e transformação de dados, não coletar streaming de dados de redes sociais, você não vai compreender como as coisas funcionam. Experimente! Aprenda, faça, erre, faça novamente e quando você menos esperar, você vai ser capaz de analisar dados e contribuir para a empresa onde trabalha ou para seu próprio negócio.
3. Crie Seu Portfólio de Projetos
Criar um portfólio de projetos é fundamental para um Cientista de Dados por várias razões:
Demonstração Prática de Habilidades: Um portfólio permite aos Cientistas de Dados mostrar suas habilidades práticas, não apenas teóricas. Isso inclui competências em programação, análise de dados, visualização de dados, machine learning, entre outras.
Mostra Experiência com Dados do Mundo Real: Trabalhar com conjuntos de dados reais e resolver problemas reais demonstra a capacidade de lidar com as nuances e desafios que os dados do mundo real apresentam.
Personalização e Criatividade: O portfólio oferece uma oportunidade para os Cientistas de Dados expressarem sua criatividade e abordagem única para solucionar problemas. Eles podem escolher projetos que refletem seus interesses e especialidades, diferenciando-se de outros profissionais.
Evidência de Aprendizado Contínuo: Um portfólio em constante atualização mostra comprometimento com o aprendizado contínuo e a adaptação às novas tendências e tecnologias no campo da Ciência de Dados.
Facilita a Discussão Durante Entrevistas: Durante entrevistas de emprego, o portfólio serve como uma ferramenta concreta para discutir experiências passadas e abordagens específicas para resolver problemas. Isso pode ajudar os entrevistadores a entender melhor as habilidades e o estilo de trabalho do candidato.
Construção de uma Marca Pessoal: Um portfólio bem desenvolvido ajuda na construção de uma marca pessoal forte, destacando as competências e interesses únicos do cientista de dados.
Networking e Colaboração: Ao compartilhar projetos online, Cientistas de Dados podem atrair a atenção de colegas de profissão, potenciais empregadores e colaboradores, ampliando suas redes profissionais.
Validação de Conhecimentos e Competências: Projetos bem documentados e executados validam o conhecimento teórico e prático do Cientista de Dados, oferecendo uma prova tangível de suas competências.
Use as informações que você recolheu para selecionar opções de treinamento que ajudam você a alcançar seus objetivos, sem perder tempo e dinheiro.
Conhecimento em Ciência de Dados requer tempo e dedicação. O treinamento que você escolher deve ser um mix de fundamentação teórica, com prática e experimentação.
Recursos
Existem muitos recursos disponíveis para aprender Data Science e tantos recursos acabam gerando sobrecarga nos iniciantes, que podem perder o foco. Separamos aqui uma lista com as que consideramos as melhores fontes de aprendizagem em Data Science.
Blogs:
Data Science Central: http://www.datasciencecentral.com
KDD Nuggets: http://www.kdnuggets.com
Artigos sobre R: http://www.r-bloggers.com
Python Brasil: http://python.org.br
Ciência e Dados: http://www.cienciaedados.com
Estatística:
Statistics: http://www.statistics.com
Simply Statistics: http://simplystatistics.org
Machine Learning:
Deep Learning Book: http://deeplearning.net/
Deep Learning Book Brasil: https://www.deeplearningbook.com.br
Vídeos, Competições e Tutoriais:
Data Science for Social Goods: http://dssg.uchicago.edu
Kaggle: https://www.kaggle.com
Towards Data Science: https://towardsdatascience.com
Capacitação:
Data Science Academy:
www.datascienceacademy.com.br
Data Science Academy é o maior portal da América Latina 100% online e 100% em português, dedicado a Data Science, Big Data, Inteligência Artificial e capacitação para Cientistas de Dados. A Formação Cientista de Dados oferece ao aluno 6 cursos intensivos, 100% online e 100% em português e ainda um conjunto de cursos de bônus (exclusivo aos alunos da Formação) com dicas sobre como montar seu portfólio, como buscar oportunidades, além de dicas de carreira e desenvolvimento pessoal. Clique no link abaixo e confira o programa completo.
Formação Cientista de Dados 4.0
Esperamos que este guia possa ajudar você a entender um pouco melhor como se preparar e se tornar um profissional de Ciência de Dados. Faça da sua jornada de aprendizagem uma experiência prazeirosa e divertida! De qualquer forma o resultado será recompensador.
Equipe DSA
Ótimo post.
Ontem (01/06/2016) nós, palestrantes do congresso online de BI E BIG DATA SUMMIT, estávamos debatendo justamente sobre essas coisas, skills, como começar, como aprofundar etc
E é muito bom ver que no Brasil a comunidade na área de data science está crescendo cada vez mais e de modo rápido. Será que dessa vez não ficaremos tão atrasados em relação aos outros países? Já que estamos acostumados a receber novas tecnologias e recursos tardiamente rsrsr
Olá Gabriel. Obrigado pelo feedback. Ontem li um artigo muito bom do Cezar Taurion (https://www.linkedin.com/pulse/novas-funções-em-ti-você-está-nelas-cezar-taurion) em que ele discute esse atraso no Brasil. Enquanto nos EUA as empresas buscam por novos perfis de profissionais (incluindo Cientistas de Dados), no Brasil ainda precisamos evoluir. Mas Data Science está crescendo e cada vez mais profissionais e empresas começam prestar atenção a isso e seu valor para o mundo dos negócios. Abs. Tiago.
Tiago, onde se pode fazer um mestrado pago nessa Área ( Big Data) no Brasil .. Vc conhece o da Argentina?
Oi Lincoln. Mas qual seu objetivo em fazer um Mestrado nessa área? Big Data, Data Science e Inteligência Artificial são áreas em rápida expansão e as tecnologias evoluem de forma espantosa. Um curso com perfil mais prático seria o ideal.
Boa tarde.
Muito bom o post. Bastante abrangente e sucinto.
Gostaria apenas de indicar um curso online de Probabilidade e Estatistica do Veduca. É um curso que demanda bastante tempo para sua conclusão, mas possui uma linguagem simples (bom para quem está começando). Não indico para quem já possui certa experiencia e quer conhecer coisas novas. É ótimo para ter uma base sobre estatística.
http://www.veduca.com.br/cursos/gratuitos/mooc_pe
Forte abraço!!
Olá Robson. Excelente dica.
Muito obrigado!
Tiago
Nessa difícil caminhada tb tenho uma dúvida. Qual melhor opção de elearning e pq? Estou fazendo Fundamentos Data Science 2 na Udacity, mas não estou achando fantástico. E o DS1 foi super básico. Pode me ajudar?
Adorei o post! Minha área de formação é a Ciência da Informação — e portanto zero bagagem prévia em Estatística ou Programação — , e estou buscando me enveredar pela Data Science motivada pelo interesse em trabalhar com lógica, dados e informação para a resolução de problemas. O panorama aqui vai ser de muita valia para organizar meus estudos, obrigada!
Olá Amanda. Obrigado pelo feedback. Não deixe de fazer os cursos gratuitos em nossa plataforma, pois eles vão te dar uma boa noção de que caminho seguir. Abs. Tiago.
5
Post Perfeito !
Estou cada vez mais fascinada por Data Science e estou trilhando meus passos para me tornar uma Cientistas de Dados.
Muito obrigada !
Obrigado Tabata! Essa é com certeza uma decisão acertada para seu futuro profissional. Abs. Tiago
4.5
Boa Tiago!
Até salvei esse artigo nos Favoritos, para sempre consultar os links quando necessário. Aquele curso de Data Science de Harvard foi um verdadeiro achado. Parabéns pelo trabalho de divulgar essa área no Brasil que, aparentemente, tem um promissor futuro brilhante pela frente.
Abraços.
1
5
Otimo post!
Então atualmente curso o ensino medio e gostaria de no futuro me especializar na ciencia de dados, por onde devo começar?
Olá Felipe. A melhor forma de começar é fazendo os cursos gratuitos em nossa plataforma e compreender o que é Big Data e Data Science. Att. Tiago
Excelente post!
Vou seguir os passos recomendados pelo Data Science Academy para ter certeza se é isso mesmo que eu quero.
Muito obrigada Tiago!
Oi Sol. Nós que agradecemos. Atenciosamente. Tiago.
Muito legal o post e melhor ainda o curso gratuito de big data.
Muito obrigado Mauro. Abs. Tiago
Para atuar como cientista de dados, qual a melhor formação academica: Ciencias da Computação , Matematica ou Estatisca ?
Oi Diego. Qualquer uma das 3 opções são ótimas escolhas, mas o que temos visto com frequência é que as formações em Ciências da Computação e Estatística, normalmente são as mais comuns entre Cientistas de Dados. Abs. Tiago
Tiago, bom dia! Para quem é formado em Sistemas de informação vai encontrar maiores dificuldades no aprendizado? Grata pela atenção
Olá Paulo. Acho que muito pelo contrário. Formado em Sistemas de Informação você terá facilidade em compreender muitos dos conceitos. O restante é uma questão de prática! Abs
Excelente! Muito obrigado!
Ótimo posto, muito obrigado por compartilhar seus conhecimentos. Sou novo na área de Business Intelligence e ainda não peguei um projeto do 0, meu objetivo é me tonar um Data Science, porém fico com medo pois vejo alguns amigos aprendendo 1000 coisas sobre Data Science, e fico pensando – Quando vou conseguir aprender tudo isso que ele aprenderam ? interessante é que nesse artigo uma simples frase me deixou aliviado : “Aprender muitos conceitos ao mesmo tempo” … Agradeço a vocês Data Science Academy (Equipe), por nos ajudar, esclarecendo que por mais difícil que seja atingir um nível de Mago… Leia mais »
Muito obrigado Leonardo. O aprendizado é algo permanente. Quando compreendemos isso, tudo fica mais fácil! Abs
Olá Thiag seu artigo é fantástico!
Estou pensando em mudar de carreira, e investir nos estudos a médio e longo prazo, para me tornar um cientista de dados.
Você acha que alguém que está (re) começando pode almejar qual tipo de vaga dentro da trilha de big data?
Quais seriam as exigências “mínimas” e ao mesmo tempo essenciais?
Pelo que eu andei pesquisando me parece que seria o trabalho de analista de dados…
Estou correto?
Se estiver… As perguntas acima ainda permanecem as mesmas.
Muito obrigado antecipadamente.
Olá Samuel. Muito obrigado pelo feedback. Sua decisão em se dedicar a uma carreira em Big Data e Data Science e posteriormente Inteligência Artificial, é uma decisão acertada. O Brasil já carece de profissionais com essas habilidades e esse gap só vai aumentar nos próximos anos. Como leva tempo adquirir esses conhecimentos, quanto antes você começar, melhor. Uma forma de iniciar na carreira de Cientista de Dados é como Analista de Dados, aprendendo ferramentas como R e Python, aplicação de Estatística e Matemática, armazenamento e processamento de Big Data com Hadoop e Spark. Quando estiver familiarizado com essas feramentas/técnicas, dedique-se… Leia mais »
Olá Tiago e Samuel.
Aproveitando o gancho da dúvida do Samuel, que é a mesma da minha e que acabou de esclarecer bastante. Também pretendo não tanto mudar, mas aprimorar minha carreira e agregar skills. Sou Engenheiro de Produção e trabalho no ramo industrial, com KPIs locais e etc. Porém, pretendo trilhar nessa área e ainda estou meio perdido de onde posso procurar oportunidades. Aproveito também para deixar uma dúvida: Você possibilidades de usar essas skills para um negócio próprio? Seria possível a terceirazação desse serviço (consultoria) ou algo assim? Valeu e um abrç à todos
Olá Rodrigo. Empreender talvez seja uma das principais vantagens em aprender Data Science e IA. Todas as técnicas de análise de dados podem ser usadas para criar um produto ou serviço online e oferecer isso a todos os cantos do Brasil. Obviamente não é fácil, requer dedicação, estudo e muito esforço, mas em um mundo onde temos cada vez menos empregos, criar o seu próprio negócio pode ser uma boa opção. Abs. Tiago.
Sou da área de Finanças e estou preparando uma base para iniciar os estudos de Data Science, comecei pelo curso de Power BI e entendi os conceitos, fazendo os exercícios, após isso, fiz a compra do Curso de SQL, para tratar banco de Dados, fazer consultas e outras coisas, já me senti mais a vontade com as terminologia e as fórmulas, devido ao curso anterior, próximo passo é entrar na programação Python e R, quando me sentir preparado, vou embarcar no curso de Cientista de Dados, realmente não tem como ter pressa para aprender, pois, são muitos conceitos e informações,… Leia mais »
Isso aí Kleber. Esse é o caminho!
Bom dia, Eu gostaria de primeiramente parabenizar vocês pelos textos e comentários, que se mostraram bastante esclarecedores sobre a profissão de cientistas de dados. Ainda assim, eu venho aqui com a intenção de tirar uma dúvida. Eu sou estudante do ensino médio no momento, cursando o 2º ano. Acredito que vocês saibam que esse é um momento de muitas oportunidades e indecisão (principalmente indecisão ), e uma das opções que eu tenho considerado é justamente a de cientista de dados. Obviamente eu não iniciei ainda minha carreira profissional, e tenho pesquisado bastante sobre os caminhos para alcançar essa profissão. O… Leia mais »
Olá Yasmin. Recomendo começar pelos nossos cursos gratuitos (temos 4). Eles vão dar a você uma boa ideia do que é trabalhar com análise de dados. Faça especialmente o curso de Power BI Para Data Science. Veja se os temas abordados no curso despertam seu interesse e a partir daí você pode iniciar sua jornada! Abs. Tiago
Olá, thiago Bom, como muitos outros por aqui, fui mais um dos que descobriu e imediatamente se encantou pela área da ciência de dados e procura dar os seus primeiros passos nesse mundo. Porém, uma coisa me deixa aflito e gostaria, se possível, de sinceridade na resposta. Apesar de interessante e necessária, sinto que é uma área com obsolecência programada a medida que os avanços em IA progridem a todo vapor. Logo mais, nao haverá necessidade De um profissional para minerar dados e utilizar as plataformas, e a própria máquina já o fará (se é que não já o faz).… Leia mais »
Olá Benjamin. Essa é uma boa discussão e frequentememte os alunos fazem pergunta similar na timeline da Comunidade em nossa plataforma. Primeiro, é importante filtrar aquilo que se lê na mídia em geral. Quem lê a notícia que “uma IA programou outra IA”, e não conhece o que é IA, acha que a automatização chegou e acabaram todos os empregos. Não é bem assim. IA é uma área difícil e reproduzir a inteligência humana em computadores é algo que está bem na sua infância. Há muito o que evoluir ainda. Nos cursos da Formação IA em nossa plataforma, mostramos aos… Leia mais »
Tenho 43 anos de idade, com familia formado em adm. e pós graduação em gerenciamento de projetos, sou representante farmacêutico e estudo CIT – computer information technology na BYU- Idaho, quero realmente me dedicar ao mundo data science, gostaria de saber sobre onde começar, pois pela faculdade demoraria de 4 a 5 a formação completa em CIT. Quero trabalhar em home office ou remoto, quais as possibilidades reais de disso nesta área?
Olá Flavio. Recomendo começar com nosso programa completo de capacitação em Data Science, a Formação Cientista de Dados: https://www.datascienceacademy.com.br/pages/formacao-cientista-de-dados. É sim possível trabalhar remotamente e muitas empresas buscam profissionais com este perfil.
quem é o autor desse texto?
Olá Leticia. O texto é resultado do trabalho de pesquisa de vários profissionais da DSA com o objetivo de ajudar aqueles que buscam uma carreira como Cientista de Dados. Abs. Tiago
Boa tarde Tiago.
Parabens pelo post. Eu tenho uma pergunta: existe alguma comunidade de cientistas de dados aqui no Brasil que pode ser acessada/contactada para desenvolver um trabalho com dados obtidos em maquinas sensorizadas, ou seja, fazer a análise dos milhões de dados que estamos extraindo? A aplicação da Indústria 4.0. Grato
Olá Joachim. Acesse nosso site, http://www.daatscienceacademy.com.br e clique em Comunidade. Temos mais de 70 mil profissionais de todo o Brasil e vários cantos do mundo que podem ajudá-lo!
Show o post!
Obrigado Cassio.
Estou fazendo mestrado e escolhi como linha de pesquisa a Ciência dos Dados. Estou lendo livros, artigos e usando o kaggle para praticar. Estou procurando algum emprego home office na área para explorar mais os conhecimentos que estou adquirindo e para ganhar experiência. Procuro por home office pois seria a unica maneira de dar continuidade ao meu mestrado, tenho em vista que moro no interior. O que me sugerem? Como posso conseguir?
Olá João. Obrigado pela mensagem. Existem muitos sites onde os profissionais podem postar seu currículo e as empresas contratam por projeto, que na maioria das vezes pode ser remoto. Outra dica é criar seu portfólio de projetos e apresentar às empresas que estejam em busca de profissionais. Se tiver fluência em inglês, é possível ainda conseguir oportunidades de trabalho no exterior (semana passada compartilhamos em nosso Facebook um artigo sobre isso). As possibilidades são muitas.
E quando o profissional tem um perfil mais técnico .. introspectivo … ele pode almejar ser cientista sem habilidades interpessoais? Até que nível da carreira ele poderia alcançar? Acho fascinante a área técnica do big data .. mas a falta desta habilidade de comunicação ou visão de negócio o impediriam de atuar em uma equipe de data science? Ou ele deveria focar em outra área?
Essa é uma boa pergunta Sergio, mas a resposta depende dos objetivos profissionais da pessoa e também do perfil de empresa em que ele pretende trabalhar. Em grandes empresas, onde a área de Data Science reporta diretamente para os tomadores de decisão nas áreas de negócio, as habilidades interpessoais são fundamentais. Outras empresas, terão um líder responsável por reportar os resultados e uma equipe com perfil mais técnico para a execução do trabalho. Mas independente de qualquer coisa, o conhecimento técnico deve ser adquirido.
[…] https://blog.dsacademy.com.br/cientista-de-dados-por-onde-comecar-em-8-passos/ […]
Boa noite. Trabalho em uma grande empresa e a mesma possui uma grande área para B.I, eu já pesquisei, li, e pesquisei novamente, mas não consigo chegar num consenso sobre “por onde começar a carreira de BI”… Sempre gostei de banco de dados, já estudei bastante sobre e tbm já atuei um pouco nessa área, por isso pelo que já encontrei sobre a carreira de B.I me interessei por ela. Mas como disse, não sei quais os próximos passos que devo seguir, se devo conhecer algum(uns) bancos de dados mais específicos e etc… Estava olhando a página de vcs e… Leia mais »
Olá William. Faça nosso curso gratuito Microsoft Power BI Para Data Science, onde explicamos tudo isso em detalhes. Abs
Obrigado, Tiago!
Ótimo Post. Me ajudou bastante para iniciar meus estudos nesse assunto. Simples e claro.
Ficamos satisfeitos que tenha sido útil Rafael. Obrigado!
Olá, gostei muito do post, muito esclarecedor, sou contador por formação e trabalho com informática e programação a minha vida toda, tenho familiaridade com números e com lógica de programação, quero aprender mais e iniciar uma carreira em Big Data Analytics, sei que tenho um grande caminho pela frente, a começar aqui mesmo pelo datascienceacademy , porém gostaria de uma opinião, a empresa onde trabalho oferece um bom desconto para cursar um MBA de Big Data, estou pensando seriamente em começar este MBA, que tem cunho técnico e gerencial, e em paralelo aprofundar meus estudos aqui pelo portal e estudando… Leia mais »
Olá Julio. Obrigado pelo feedback. Sobre o MBA depende do perfil do curso. Temos aqui na DSA uma grande quantidade de alunos que vieram fazer nossos treinamentos desiludidos com seus cursos de MBA, onde aprendiam apenas teoria, com quase nada de prática. Mas acho que parte dessa desilusão se deve ao fato de não compreender bem o objetivo de um MBA, que é mesmo fornecer uma visão gerencial e não prática. Nossos cursos são voltados para o mercado de trabalho, para aqueles que realmente buscam aprender análise de dados e aplicar o conhecimento na solução de problemas de negócio, usando… Leia mais »
28 anos, analista de inteligência de mercado. Será que está tarde pra entra nessa carreira?
Olá Diogo. Recebemos perguntas como essa de pessoas na faixa dos 50 anos. Com 28 anos sua vida está apenas começando e claro que não está tarde para entrar nessa carreira. Comece hoje mesmo!
Daqui à alguns anos (em breve), quem não souber inglês será um “analfabeto” e quem não souber programação será um leigo diante ao computador?
Talvez. Na dúvida, é bom estudar!
Será que com meus conhecimentos em engenharia química, manutencao indústrial e ingles consigo entrar nessa área? Estou seriamente decidida a embarcar nesses estudos . Brilhante artigo. Obrigada
Olá Saphyia. Sim, claro. A base Matemática você já possui, agora é necessário desenvolver as outras habilidades de um Cientista de Dados.
Olá, bom dia!
Lendo o artigo, achei muito interessante e quero me ingressar nesse mundo. Inclusive estou pensando em fazer o meu tcc sobre isso. Sabe me dizer se existe muito material sobre isso?
Sim Anselmo, há bastante material. Experimente começar por aqui: http://www.deeplearningbook.com.br
Muito obrigado.
Olá. Estou terminando engenharia Aeroespacial, trabalho em um banco como analista de projetos, inteligencia e inovação. Tenho conhecimentos em programação e uma solida base matemática. É possível seguir com tranquilidade nessa área?
Sim Artur. Você já tem 2 importantes skills: conhecimento de negócios e habilidade em Matemática. Precisa agora desenvolver suas habilidades em programação, Estatística e Ciência da Computação (banco de dados, armazenamento e processamento de dados).
Excelente post, tenho interesse na área, será que um Químico pode se aventurar na área? Qual sua opinião?
Sim, com certeza. Onde há dados, a Ciência de Dados pode ser aplicada e seu background científico será um diferencial.
Olá, Atualmente sou gerente administrativo e financeiro, gosto demais de matemática, já programo em Python e mais 2 linguagens, comecei e fazer Ciência da computação e até então não tinha um caminho exato para seguir, estava entre Data Science e Segurança da informação. depois de ler o artigo, consegui me identificar melhor com o Data Science. O ruim é trabalhar em uma área totalmente diferente, estudar o data Science e conciliar isso com a faculdade. Faltou no artigo citar o Inglês, acho essencial para toda área de TI, as ferramentas em sua maioria são em inglês, a comunidade no geral… Leia mais »
Olá,l.
Parabéns pelo conteúdo, o melhor que eu encontrei , e que me deixou , bem mais informado.
Vamos lá, eu tenho 43 anos , profissional da área de vendas. Porém estou querendo me qualificar e investir, em uma área, na gual, eu possa , ter um mercado melhor , e com mapas s informaçõe.
Eu vi uma reportagem , na qual, me chamou atenção, para o baixo número de profissionais besta área, e me enxerguei como um possível profissional.
Tenho muito interesse em me capacitar.
Muito obrigado Alex. Esta é uma excelente área com muitas possibilidades e oportunidades.
[…] dar o primeiro passo em sua carreira. Veja uma lista das principais habilidades apresentada pelo Data Science Academy, site especializado na […]
Aonde faz cursos?
http://www.datascienceacademy.com.br
Olá, Gostei muito sobre o post, bem explicado e objetivo, brevemente gostaria de me aventurar nessa área que está evoluindo espantosamente, tenho certeza que daqui alguns anos o Brasil terá excelentes profissionais voltado para esta área que só vem crescendo.
Esta é uma área que demanda cada vez mais profissionais. Veja este post: https://blog.dsacademy.com.br/demanda-e-salarios-para-cientistas-de-dados-continuam-aumentando/
Oi, sou recém mestre em engenharia química e durante meus estudos conheci a área de Data Science (desenvolvi uma sensor virtual baseado em redes neurais como projeto), e fiquei apaixonado pelo assunto, percebi q eu gosto é de trabalhar com dados, mas tenho medo de iniciar os estudos e dedicar um tempo valioso e não conseguir nada na área devido a minha graduação e falta de experiencia (nem como engenheiro tenho experiencia, só estudei até hj nessa vida rsrs). Conhece alguém que já passou pelo que estou passando? Qual a sua opinião sobre a minha situação?
Sim, recebemos este tipo de dúvida com frequência. Acesse nosso portal, clique em Comunidade e converse com os outros alunos sobre isso!
Estou cursando Desenvolvimento de Sistemas e sou formado em Processos Gerenciais.Posso trabalhar como Cientista de Dados com essas formações ?
Sim, desde que domine as técnicas de análise de dados e modelagem preditiva.
Boa noite! Estou iniciando os estudos sobre linguagem de programação mas preciso de um norte. Preciso adequar a linguagem que quero aprender com a minha necessidade. Para tanto, preciso de uma orientação. Preciso de uma ferramenta que me permita analisar e fazer cruzamentos de informações. Essas informações podem estar em leis, em arquivos txt’s, ou até me PDF’s. Esses arquivos podem estar estruturados em leiautes pré-determinados pelos órgãos públicos. (mais conhecidos como SPED’s). Meu foco será para consultoria e auditoria de dados em empresas. Tem alguma ideia de qual linguagem aprender? Em muitos lugares informam sobre comunidade aberta, qual a… Leia mais »
Olá Alex. Recomendamos começar pelo nosso curso gratuito de Python Fundamentos: https://www.datascienceacademy.com.br/pages/cursos-gratuitos-1
Esse post me animou muito, tenho muita vontade em atuar nessa área, hoje trabalho com desenvolvimento front-end (html, css, js) e design, mas não estou feliz, sempre tive muita dificuldade com matemática, números e lógica em geral, mal consigo fazer um formula básica no excel, isso sempre foi um “mostro” na minha vida, e esse foi o motivo de eu ir para o lado do front-end, para o lado visual e lúdico da tecnologia. Ao mesmo tempo que quero “me jogar” e estudar data Science, tenho muito medo de investir meu tempo e dinheiro e chegar em um determinado ponto… Leia mais »
Muito obrigado Charles.
Olá, eu estou com 22 anos e sinto que comecei tarde a aprender programação, tenho pouco conhecimento e vejo diversas pessoas mais novas que eu, que estão indo muito bem e estão bem a frente, será que eu ainda consigo ter uma grande caminho no mercado de ciência dados? Não ter começado antes, pode atrapalhar a minha carreira?
Olá Kaique. Temos alunos de 40, 50 e até 60 anos aprendendo programação. Portanto, sim, você pode começar quando quiser.
Olá! Eu tenho uma duvida justamente sobre o mercado de trabalho, em especial no Brasil. Desde o final do ano passado eu comecei a estudar intensamente os diversos conceitos que fazem parte do trabalho do cientista de dados, inclusive fazendo a FCD na DSA, e percebo que quanto mais eu estudo e aprendo, mais coisas novas vão surgindo! Ás vezes dá um pouco de desânimo perceber que ainda existem tantos tópicos para aprender (e eu nem comecei a explorar inteligência artificial ainda!!). Eu sei que não é fácil e rápido, mas existe algum momento “adequado” em que eu deveria começar… Leia mais »
Olá Gustavo. O Cientista de Dados é o profissional com perfil “learning mode”, ou seja, vai estar sempre aprendendo, pois a tecnologia não para de evoluir em análise de dados. Quando estiver apto a construir um modelo preditivo, fazendo de forma adequada o trabalho de engenharia de atributos e sabendo interpretar o modelo, já estará em condições de começar a buscar oportunidades no mercado.
Olá Tiago. Parabéns pelo artigo. Sou professor universitário, tenho 41 anos, sou formado em matemática (pura) e trabalho na universidade há 15 anos. Minha formação acadêmica inclui doutorado e pós doutorado em matemática. Gostaria de saber das possibilidades de me tornar um cientista de dados tanto para trabalhar no Brasil quanto para trabalhar fora do Brasil se necessário e interessante for. Tenho conhecimentos básicos de estatísticas e programação, mas posso considerar que esses conhecimentos são nulos, pois os aprendi na graduação e não os uso desde então. Retomá-los, relembrá-los e aprendê-los de fato acredito que não será o mais difícil.… Leia mais »
Olá Márcio. Obrigado pela mensagem. Respondemos todas essas perguntas em nosso Podcast. Confira aqui: https://blog.dsacademy.com.br/podcast-dsa/
Márcio, também estou na mesma situação que você, mesma idade, só que a minha formação é em Economia. Tiago, ouvi o podcast, muito esclarecedor.
Esse Blog é sem duvida , Fantástico, tem me ajudando bastante como entusiasta a gostar cada vez mais da área de’ “DADOS”, meu muito obrigado por compartilhar conteúdo enriquecedor para que esta tentando entrar na área.
Valeu Tiago. Muito obrigado!
Olá Thiago! Muito bom o seu blog, oferece informações muito interessantes para quem pretende aprender mais sobre ciência de dados. Gostaria de fazer uma pergunta, talvez não se encaixe muito…. Eu sou da área de biológicas, mais especificamente veterinária que não tem nenhuma relação com matemática. Porém durante o mestrado, trabalhei na área de epidemiologia e microbiologia de alimentos, e por conta do meu projeto aprendi a usar o R para a realização de analises de regressão e análise de dados provenientes de revisão sistemática de literatura e meta-análise. Me interessei muito pela análise de dados após o mestrado, e… Leia mais »
Olá Mariana. Obrigado pelo feedback. Uma graduação tem um propósito de longo prazo. Recomendo que antes de optar por este caminho e todo investimento de tempo e dinheiro envolvido, você faça alguns cursos voltados para a parte prática da análise de dados. Oferecemos 5 cursos gratuitos que poderão ajudá-la a ter uma ideia sobre o melhor caminho a seguir. Confira em nosso site: http://www.datascienceacademy.com.br
Bem, fiz matemática por um tempo, depois mudei para ciência da computação, curso que me formei. Fiz pesquisa científica em processamento de sinais e imagens. Disciplina que requer saber muita álgebra linear e o básico de probabilidade e estatística. Estudei alguns métodos de clusterizacao e classificação. Trabalhei muito com Matlab, montei modelos matemáticos para aquisição de vídeos, e me esforcei muito pra dar uma boa visualização dos meus resultados. Dados pra mim são os valores dos milhões de pixels de uma imagem ou vídeo. Banco de dados é um conjunto de arquivos de vídeo. A pergunta é: data science é… Leia mais »
Olá Jonathan. Visão Computacional é uma das áreas mais quentes em Inteligência Artificial. Invista nessa área.