El doctorado en ciencia de datos. Parece el Santo Grial.
¿Pero realmente necesitas uno para ser un buen científico de datos?
La publicación de hoy arroja luz sobre cuándo está bien no tener un doctorado y cuándo es casi obligatorio.
Lo ayudaré a decidir si debe ir al doctorado o si está mejor sin él.
TRABAJO CIENTÍFICO
En primer lugar, permítanme decir esto: cualquier título, maestría o doctorado, es más o menos una certificación de sus habilidades. Demuestra que puede profundizar en un tema de una manera científica.
Lo que hace que el doctorado sea especial es el nivel de trabajo científico y la investigación teórica requerida. La principal diferencia entre una tesis de maestría y una tesis de doctorado es cuánto contribuye a la investigación en un campo.
Una disertación de doctorado debe contener sus ideas y hallazgos originales.
Este contenido original debe dar lugar a hallazgos científicos totalmente nuevos. Hallazgos que ayudan a avanzar en el conocimiento científico en este campo.
Además, aunque puede hacer algunas investigaciones prácticas durante la disertación, es principalmente de naturaleza teórica.
Una tesis de maestría, por otro lado, muestra principalmente el estado actual de la ciencia. Contribuye a la investigación científica solo de una manera pequeña.
La tesis es más sobre demostrar que eres hábil en un campo. Mostrando que tiene algunas ideas originales y que puede implementar estas ideas en un entorno real.
APLICANDO VS INVESTIGANDO
Hay una gran diferencia entre aplicar e investigar. Tomemos el aprendizaje automático, por ejemplo.
La aplicación de un algoritmo para resolver un caso de negocio requiere habilidades totalmente diferentes y luego investigar nuevos algoritmos.
Un investigador generalmente no se dará cuenta de la solución final. Los investigadores conocen todos los aspectos del campo en el que trabajan.
Él conoce la teoría detrás de los algoritmos en detalle. Él es capaz de modificar los algoritmos existentes para que funcionen con los totalmente nuevos y originales.
Muy a menudo los investigadores escribirán trabajos sobre sus hallazgos para avanzar en el conocimiento científico global. Consulte los documentos de investigación de Google sobre cómo se ve este proceso https://research.google.com
Los aplicadores, por otro lado, necesitan habilidades principalmente diferentes. A pesar de que necesitan entender cómo funciona algo, el objetivo principal es implementar una solución para un caso de uso específico.
La aplicación de un algoritmo requiere mucho trabajo alrededor del algoritmo real de aprendizaje automático central:
¿Cómo están ingresando los datos? ¿Cómo deben formatearse los datos? ¿Cómo debo preprocesarlo para que el algoritmo pueda usarlo? ¿Cómo necesito procesar los datos para que los usuarios puedan darle sentido?
¿Cómo puedo hacer que todo lo anterior funcione de manera automática para proporcionar una solución al problema?
¡NO NECESITAS UN DOCTORADO!
Hágase la pregunta: “¿Quiero postularme o quiero hacer una investigación?”
Puede ser un científico de datos increíble al aplicar los métodos existentes para resolver problemas con la ciencia de datos.
Es por eso que digo un claro No.
No es necesario un doctorado para ser un buen científico de “aplicación” de datos.
La investigación por otro lado es diferente. Casi definitivamente necesitas un doctorado para ser un investigador increíble.
Investigando, creando nuevos algoritmos y escribiendo artículos científicos. Eso requiere no solo un conocimiento mucho más profundo de un campo como, por ejemplo, el aprendizaje profundo.
La investigación requiere habilidades para el trabajo científico que aprenda mientras hace un doctorado.
Yo, por ejemplo, no tengo un doctorado y nunca quise hacer uno. Me gusta construir soluciones que resuelvan problemas para los clientes.
¡Sería un investigador horrible! Y eso está totalmente bien.
¿Qué hay de tí?
Si te gustó este, por favor compártelo con tus compañeros en las redes sociales. Y si no se ha suscrito a mi lista de correo electrónico, considere hacerlo, así puedo notificarle sobre mi próximo artículo.