15 pasos para ser un Científico de Datos

Data Scientist, Científico de Datos, Ingeniero de Datos ...

Has escuchado estas pablaras últimamente? espero que sí porque en los próximos años sera la ocupación o carrera mas HOT en el mundo de la computación.

A continuación presento 15 pasos para comenzar la carrera de "Data Scientist". Digo comenzar porque, al igual que en cualquier otro campo, es la experiencia y 10.000 (diez mil) horas de prática lo que hace a un individuo bueno en algo.

El internet es infinito, y fuentes de información sobre este campo son innumerables. Unas fuentes mejores que otras obviamente, pero sin lugar a dudas son demasiadas. Por tal razón, he recopilado en este blog post, lo que considero es un buen plan de estudios que te dará una excelente base para comenzar tu carrera en este fabuloso mundo de la Ciencia de Datos y Big Data.

Antes que nada déjenme advertirles que esto no es para cualquiera. Lo primero que deben tener es un título universitario en: Computación, Ingeniería o Matemática. Y lo segundo y no menos importante, deben saber ingles muy bien.

Si no tienen ambos de estos requisitos, les recomiendo de todo corazón, no perder su tiempo y dedicarse a otra cosa :).

Ok, no mas preámbulos, este es el plan de estudios:

1) Leer este libro: Data Science from Scratch

2) Completar los siguientes cursos en linea:

- Data Science Machine Learning Essentials

- Introduction to Data Science

- Intro to Machine Learning

- Neural Networks for Machine Learning

- Deep Learning

- Reinforcement Learning

3) Lecturas para entender RNN (Recurrent Neural Networks):

- Understanding LSTM Networks

- A beginners guide to Recurrent Networks and LSTM

- The unreasonable effectiveness of Recurrent Neural Networks

- Recurrent Neural Network Tutorial (Part 1,2,3,4)

4) Estudiar estas Librerias y herramientas para Machine learning

- H2O.ai (Deep Learning, GBM, GLM and Advanced algos)

- TensorFlow

- Keras (Deep Learning) and Elephas: Keras on Spark - Lasagne (Deep Learning)

- XGBoost (Gradient Boosting)

- SciKit-Learn

- Azure ML

- Spark MLLib

- BURLAP- Reinforcement Learning

- PyBrain – Python libraries for Reinforcement learning

- ConvNetJS

- DL4J – Deep Learning for Java

5) Hacer el siguiente entrenamiento sobre Spark:

- Spark Summit Part 1 - Training

- Spark Summit Part 2 - Training

- Leer Libro: Learning Spark

6) Databricks: Software para gerenciar Spark clusters

- Spark Summit 2015 demo

- Spark Summit Europe 2015 demo

- Spark Summit East 2016 demo

- Completar el curso en EDX: Distributed Machine Learning with Spark

- Abrir una cuenta "Comunity Edition" en Databricks y hacer los ejemplos

7) Entrenamiento en H2O.ai:

- Scalable Data Science and Deep Learning with H2O

- H2O with R Demo

- Building a Smart Application with H2O

8) Databricks + Spark + H2O.ai:

- H2O Rains with Databricks Cloud for Spark

- H2O over spark (using Databricks and AWS)

- Examples to run on Sparkling water

9) Entrenamiento en Keras y Lasagne sobre Theano:

- Deep Learning with Keras

- ML going deeper with Theano – PyCon

- Theano Tutorial

- Lasagne Tutorial

- Examples – Notebooks on NNs with Theano and Lasagne

- Setup a Deep Learning environment on Windows (Theano and Keras with GPU enabled)

10) Entrenamiento en TensorFlow:

- Oficial Tutorial

- Scikit Flow – simplified interface for TensorFLow

- Installing TensorFlow with Python 3 on EC2 GPU instances

- Examples in Github

- More good examples in Github

- Deep Learning with Spark and TensorFlow

- Machine Learning with Financial time series Data

11) Entrenamiento en Manipulación de Data, Formatos y Visualización:

- Munging, Modeling and Pipelines using H2O

- Data Exploration with SparkSQL demo

- Parquet vs Avro: Format face-off!!

- How-to: Convert Text to Parquet in Spark to boost Performance

- Overview of python visualization tools

- Kaggle Script – Python data visualization on the Iris Dataset

- Kaggle Script – Predictions in the Republican Primary

12) Consejos y Trucos:

- Top 10 Deep Learning Tips and Tricks

- Top 10 Data Science Pitfalls

- 6 Tricks learned from OTTO Kaggle Challenge

- Fine tuning a Neural Network

13) Imprimir estas gráficas:

- Image – Machine Learning Algorithms

- Image – SciKit-Learn Cheat Sheet

- Image - Azure ML Algorithm Cheat Sheet

- Image – Road to Data Scientist

- Image – Machine Learning Process

- Image – Azure ML Studio diagram

- Image – Learning Paradigms and Algorithms

- Image – Azure Data Streaming architecture and workflow

- Image – Data Visualization in Python Cheat Sheet

14) Entrenamiento en Kaggle:

- Machine Learning Best practices we’ve learned from hundreds of competitions

- Kaggle FAQ

- Data Exploration with Kaggle Scripts

16) Hacer competencias en Kaggle y Cortana Intelligence hasta quedar en el top 10