Hablando de ciencia de datos con Bhavesh Bhatt

Sin duda, la ciencia de datos es uno de los dominios profesionales más exigentes y gratificantes del mundo tecnológico. Varios gigantes de TI están pagando muy bien a los profesionales de la ciencia de datos en comparación con otros perfiles. Sin embargo, cuando un individuo opta por hacer una carrera en Data Science, se le ocurren varias preguntas, como ¿Qué herramientas se requieren?, ¿Cuáles son las oportunidades laborales? y muchos más. Y para resolver todas estas consultas sobre el trabajo más sexy del siglo XXI , tenemos una de las personalidades de renombre en el dominio de la ciencia de datos: el Sr. Bhavesh Bhatt con nosotros para ayudarlo con todas sus dudas y compartir algunas ideas cruciales de la ¡El campo de la ciencia de datos también!

Bhavesh comenzó su carrera en el mundo de TI como ingeniero de EDG y actualmente trabaja como profesional de ciencia de datos. Tuvo el honor de convertirse en Google Developer Expert (GDE) en Machine Learning y también fue reconocido como 40 Under 40 Data Scientist . Además, administra su canal de YouTube , donde enseña conceptos de ciencia de datos y aprendizaje automático a los estudiantes. Obtuvo su Licenciatura en Ingeniería (BE) en la Universidad de Mumbai y luego completó su Maestría en Ingeniería (ME) en el Instituto Birla de Tecnología y Ciencia, Pilani.

Ahora, comencemos la discusión con el experto:

Pregunta 1: Después de haber trabajado como SDE, ¿cómo se le ocurrió que la ciencia de datos era la elección de carrera perfecta para usted?

Respuesta: Completé mi maestría en sistemas integrados en el campus de BITS Pilani KK Birla Goa y comencé mi carrera en el grupo de desarrollo de ingeniería en MathWorks. Recuerdo que me preguntaron sobre los valores propios y los vectores propios durante la entrevista de MathWorks y di un paso adelante y expliqué la interpretación física del concepto. Las matemáticas siempre me han fascinado y fue esta fascinación la que me motivó a orientar mi carrera hacia la ciencia de datos y el aprendizaje automático.

Pregunta 2: ¡Fuiste destacado en la lista de científicos de datos de 40 menores de 40 años! ¿Cómo te sentiste al respecto?

Respuesta: Todavía no llegué a la marca de los 30 años, pero fue un verdadero honor ser reconocido como uno de los 40 mejores científicos de datos menores de 40 años de la India para 2020 en la Cumbre de desarrolladores de aprendizaje automático 2020 en Bangalore. Las palabras solo se quedarán cortas para describir el sentimiento, pero lo apreciaré por siempre. ¡La sensación de ser reconocido por el esfuerzo que uno pone día tras día siempre es especial!

Pregunta-3: ¿Qué herramientas y/o lenguajes considera necesarios para dominar el arte de la ciencia de datos? Además, ¿qué papel juegan las Matemáticas para ser experto en Data Science?

Respuesta: Python Vs R ha sido la eterna pregunta para todos los científicos de datos. La parte importante del rol de Data Science es brindar valor comercial real a través de datos utilizando cualquier herramienta. Elige cualquier idioma que te guste y apúrate con él. Las matemáticas y las estadísticas son los pilares clave de la ciencia de datos. Una vez que comprenda los algoritmos matemáticamente, puede elegir uno sobre el otro en función de los datos que tiene. Generar una hipótesis, validar las soluciones usando pequeñas pruebas, todo esto requiere un sólido conocimiento de las matemáticas. Además, imagine una situación en la que se espera que implemente un algoritmo desde cero, es aquí donde le ayudará conocer las matemáticas detrás de los algoritmos.

Pregunta 4: Hemos visto que Data Science ahora se considera una de las opciones profesionales más lucrativas que existen. ¿Qué consejos le gustaría dar a nuestros futuros científicos de datos?

Respuesta: Centrarse en lo básico:

• Antes de comenzar a construir los elegantes modelos de aprendizaje automático/aprendizaje profundo. Es una buena idea tener claridad sobre los componentes básicos, como el teorema del límite central, las suposiciones de la regresión lineal, el valor P, los intervalos de confianza, las pruebas T, el álgebra lineal y la probabilidad.
• Comprenda las matemáticas detrás de los algoritmos de aprendizaje automático populares como la regresión logística, los árboles de decisión, SVM, Random Forest, etc.

No caiga presa del famoso síndrome del impostor de la ciencia de datos:  

• La ciencia de datos y el aprendizaje automático son campos en constante evolución. Nadie lo sabe todo. Todo el mundo está en constante aprendizaje. Concéntrese en los conceptos y comience a participar en hackatones y competencias para obtener más información sobre las diferentes aplicaciones del aprendizaje automático.

Pregunta-5: Debido a la pandemia, los estudiantes han estado enfrentando momentos difíciles con respecto a sus colocaciones y revocaciones de ofertas de trabajo. ¿Hay algún consejo que le gustaría ofrecer a nuestros geeks para sobrellevar el estrés?

Respuesta: Las organizaciones que hicieron una oferta tenían muy poca idea de estos tiempos sin precedentes. Esa es la razón por la que muchas empresas han revocado sus ofertas de trabajo. Todos los Geeks que lean esto deben recordar que hay Luz al final del túnel. Esta pandemia también pasará, pero no lo que aprenden durante la pandemia, así que aprovechen al máximo este tiempo y aprendan todo lo que puedan y estoy bastante seguro de que pronto encontrarán el trabajo de sus sueños.

Entonces, todo esto es del experto, el propio Bhavesh Bhatt. ¡¡Gracias por leer!!