Seu @nome é único e você pode alterá-lo quando quiser.
[EaD] Linkedin - Torne-se um Cientista de Dados [Grátis/Português] - 32h - C/ certificado
Expirado
Promoção postada no Pelando
Grátis
3040°
As mais quentes pela comunidade
Ao comprar por meio de uma promoção em nosso site, o Pelando pode receber da loja parceira uma comissão sobre a venda.
O preço está bom? Clique no foguinho para esquentar.
Clique aqui para
esquentar essa promoção
Escolha no mínimo três comunidades para deixarmos o Pelando com a sua cara.
Seu @nome é único e você pode alterá-lo quando quiser.
Muitos cursos de "Ciência de Dados" ensinam como brincar com banco de dados, como fazer um sumário, tirar dados descritivos ou até rodar um modelo de "machine learning". Eles te transformam em um brincalhão dos dados e tira toda a atenção do que realmente importa: Ciência e Dados. A capacidade de tirar insights de uma massa incrivelmente grande de informação incapaz de ser processada manualmente por uma pessoa. Em alguns casos, podemos até falar de encontrar causalidade.
Basicamente, Cientista de Dados precisa de habilidades em desenho científico, estatística e engenharia de dados.
Ciência se trata de aprender desenhos experimentais/quasi-experimentais/correlacionais, com validade interna e externa. É um debate filosófico-matemático sobre causalidade, correlação e amostragem que tentamos aplicar na realidade.
Estatística basicamente é a ciência da amostra e do erro. Não há ciência de dados sem matemática. É sentar a bunda e estudar igual corno modelos paramétricos e não-paramétrico, amostras, viés, distribuição... Alguns defendem que Ciência de Dados nada mais é do que um nome bonitinho pra estatística.
Engenharia de dados se trata mais da estruturação e habilidades de manusear os dados, como bancos correlacionados, dashboards, webscrapping, servidores, API e coisas do tipo.
O que eu quero dizer com isso é: não se vira "cientista de dados" em um ano, tampouco do dia para a noite. Não existe Data Science de 0 a 100 em 30h. É preciso estudo, é preciso treino, é preciso calma.
Se você está começando, aprenda uma linguagem high-level como Python ou R. Vá estudando estatística e aplicado com programação. Leia sobre ciência todos os dias, sobre modelagem e estudos sobre causalidade. Saiba SQL para facilitar sua vida. E aos poucos vá criando sua própria trilha.
Boa sorte aos que estão começando. Não é fácil, principalmente para aqueles que não vieram de áreas das ciências duras (engenharia, matemática, estatística, física). É um caminho de muita persistência.