1) Novato total 

O seu sucesso como cientista de dados pode depender de onde você começa. Analisar as diferentes categorias em que os “novatos” se encaixam e determinar qual é a melhor para você pode te auxiliar a fazer uma transição muito melhor para essa nova carreira. Existem três grandes categorias de pessoas que querem ingressar na ciência de dados:

O completo amador que está começando agora na ciência de dados deve manter uma ideia essencial em mente: a ciência de dados é um campo que passa por constante evolução e transformação. Quando você estiver pronto para realmente atuar na área, provavelmente a maior parte das informações atuais estarão desatualizadas. 

Antes de começar, mantenha uma mente aberta e pesquise sobre as funções reais de um cientista de dados. Pode ser que não seja o caminho certo para você, então é o seu trabalho descobrir se você realmente quer passar por essa transição de carreira. 

Fale com cientistas de dados mais experientes (podem ser encontrados no Linkedin e em blogs como esse), escute entrevistas sobre a área em que você quer atuar. Ser um cientista de dados é um comprometimento sério, e você deve ter certeza de que é esse o caminho que você quer trilhar.

Se você já pesquisou, aprendeu sobre todos os aspectos que a carreira em ciência de dados envolve, e realmente acha que esse é o caminho certo, excelente! Agora está na hora de aprender uma linguagem de programação, como Python. Faça um MOOC assim que possível e comece a construir projetos básicos. 

Quando você já estiver seguro das suas habilidades com Python (ou outra linguagem que escolher), aprenda a trabalhar com ferramentas mais complexas (como notebooks de Jupyter), e faça alguns MOOCs de ciência de dados. Comece com posições mais simples, como visualização de dados, ou trabalhos como analista de dados. Esses trabalhos estão em alta demanda e são mais acessíveis para quem não possui experiência prévia com ciência de dados. 

2) Engenheiros de software

Uma boa porcentagem dos aspirantes à cientista de dados que existem no mercado são engenheiros de software. A vantagem desse pessoal é a experiência com a aplicação de código em produções, e o trabalho prévio com equipes de desenvolvedores. 

Considere migrar sua posição atual para uma que possui uma ênfase maior em backend/database, pois isso facilitará sua familiarização com os canais de dados e a construção das suas habilidades para manipulação de dados. 

O engenheiro de machine learning deve ser uma das posições mais próximas relacionadas à ciência de dados. Ingressar nesse trabalho pode ser mais fácil para um engenheiro de software. É uma boa porta de entrada, e você pode se aprimorar como desenvolvedor de modelos depois que já estiver inserido na indústria. 

Utilize suas habilidades como engenheiro de dados para impressionar os futuros clientes, construindo projetos que integram machine learning e ciência de dados em aplicativos que você pode mostrar para os interessados. 

É importante lembrar que o seu salário provavelmente diminuirá com essa transição, pois até mesmo os engenheiros de software mais experientes precisam ser rebaixados para posições do tipo “junior” quando mudam para uma carreira em ciência de dados. 

3) Graduandos em matemática, estatística ou física

Se você é graduando ou mestrando em áreas da ciência ou matemática, você provavelmente possui muita experiência com matemática e estatística, mas nunca aplicou para um trabalho em tech. Você também provavelmente ainda não consegue programar utilizando linguagens simples, organizadas e concisas ainda. 

O que você aprendeu durante sua graduação não é suficiente para ingressar em uma carreira como cientista de dados, e se você está contando com as suas habilidades em MATLAB ou Mathematica para conseguir um emprego, desista agora e aprenda Python. 

Você deve buscar aprender sobre alguns conceitos-chave para ingressar em uma posição em ciência de dados, como: trabalhar com outras pessoas no GitHub; conteinerização (aprenda a usar o Docker); DevOps; e SQL. 

Aprenda desenvolvimento voltado para teste em Python e como utilizar docstrings. Aprenda a modularizar o seu código e como trabalhar com notebooks de Jupyter. Se você está se graduando em um campo voltado para matemática, deep learning pode ser um bom caminho para explorar, mas será mais fácil começar com uma posição do tipo “scikit-learn” primeiro e depois transicionar para o deep learning. O mais importante é entrar na indústria e começar a trabalhar com códigos de produção assim que possível. 

Published On: junho 21st, 2021 / Categories: Carreiras, Data Science / Tags: , , , , , /

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.