Você disse que não é necessário estudar estatística, álgebra linear e aprendizado de máquina para começar na área. Mas para o indivíduo que vai iniciar uma graduação, nos cursos que você recomendou, logo de cara ele terá que enfrentar pelo menos 3 disciplinas de cálculo, 2 de álgebra linear, 2 de estatística, 1 de cálculo numérico e 1 de algoritmos, isso sem contar as físicas. Até ele arrumar o primeiro estágio já vai ter passado por tudo isso. Não tem uma contradição aí, pelo menos para o caso do jovem que vai começar a graduação? Não é melhor uma base bem feita e que não muda com o tempo antes de colocar foco em ferramentas? Já os mitos 6 e 7 fazem sentido. Eu acho que nessa profissão o cara passa mais tempo escovando dados do que fazendo a parte realmente interessante e quem quer migrar tem que colocar na cabeça que vai começar em uma posição júnior. Muito bom o conteúdo.
Seus videos são muito motivadores, principalmente para quem já pensa em mudar de carreira! O preconceito com a própria idade normalmente nos bloqueia, mas essa integração com a carreira atual, a curva de aprendizagem X experiencia em outras areas, nos da uma visão esclarecedora na hora de começar os estudos de DS. Gratidão!
Thiago Tenho 35 anos e sou contador de formação. Semana passada um amigo meu passou um link da Univesp e descobri que fica próximo de casa e estou interessado em fazer Ciência de Dados. Nada é tarde para começar novamente.
Muito obrigado por todo o conteúdo de valor aqui do canal! Penso em fazer uma transição suave de carreira, e tive exatamente uma das ideias que abordou aqui que é a de aplicar as ciências de dados já na minha profissão atual, valorizando minhas habilidades e currículo e, no futuro, trabalhar de fato como um cientista de dados!
Fala Meigarom! Como sempre trazendo muita informação para nossa bagagem! Sobre a questão do profissional senior, tem um vídeo do Fabio Akita onde ele abordou exatamente isso. A pessoa pode ser senior em algumas áreas e junior em outras, isso é super normal e saber identificar isso é importantíssimo. Ainda mais em uma área tão interdisciplinar como a de DS. Mais uma vez parabéns pelo conteúdo dos vídeos!
Grande Audeliano, tudo bom? Muito obrigado pelas palavras e por compartilhar! Não conheço o Fabio, mas vou ver os conteúdos deles, obrigado pela sugestão. Muito obrigado pelo comentário! Forte abraço!
Grande Meigarom! Ótimo vídeo como sempre, concordo bastante com os mitos expostos e só adicionando...em relação ao computador necessário pra trabalhar...eu venho fazendo todos os meus projetos em um intel i5 de 1,6 ghz com 4 gb de memória ram. Não recomendo usar 4gb, mas pra quem está com medo de começar por falta de hardware essa já é uma configuração que já funciona, porém acrescento, que um processador inferior faria muita falta com esse tanto de memória. Grande abraço!
Obrigado pelo conteúdo. Hoje trabalho com vendas, e tenho uma experiência grande em consultoria/auditoria. Quero aplicar DS nessas areas e trabalhar com consultoria para pequenas e médias empresas.
Grande Heriton, tudo bom? Eu que agradeço pelo seu tempo em assistir ao vídeo! Seu plano é muito bom, DS vai potencializar muito sua área, principalmente vendas!! Grande abraço!
Eu queria ter encontrado seu canal em 2016... quando me interessei muito pela área e só encontrei obstáculos por ser oriundo de Ciências Sociais. Até cursei metade da graduação de ADS, mas desisti. Vale a pena quem tem 35 anos procurar trabalhar em Ciência de Dados começando a estudar hoje?
Muito interessante esse vídeo parabéns... Tenho o interesse de estudar Gestão financeira, será que consigo unir a ciência de dados com essa formação ? Desde já agradeço a atenção !
Grande Leandro, tudo bom? Obrigado pela pergunta. Hoje eu vejo 2 grandes formas de usar a Ciência de Dados. A primeira forma é se tornar um Cientista de Dados e trilhar essa carreira. A segunda forma é aprender Ciência de Dados como ferramenta para aplicar na sua atual profissão. Então sim, onde tem problemas e dados, Data Science é aplicado. Espero ter respondido, abraço
Muito obrigado Felip!! Estamos crescendo, de pouco em pouco seremos o mais canal de Data Science do Brasil!! Muito obrigado pelo comentário!! Grande abraço!
Muito bom o conteúdo! Mas assim, tendo a discordar da parte do Mito 3 (Sobre matemática e estatística). Eu estou começando agora e sinto que é importante sim saber alguma Estatística fundamental logo de saída. Porque assim, você vai lá, trata os seus dados e está pronto pra aplicar um algoritmo de machine learning no seu primeiro modelo, e de fato você consegue, porque existe muito conteúdo online ensinando a fazer isso, mas seu modelo muito provavelmente não vai ter um bom resultado logo de cara, você pode ficar confuso, não entender, e se desanimar de buscar informações naquelas documentações complicadas, e o mesmo vale pra visualização de dados, você pode fazer uma dash bonita, mas que não está mostrando realmente aquilo que você precisava ver. A estatística pode facilitar muito a sua vida com ideias como: Será que eu escolhi bem entre gráfico de pizza ou histograma? Os bins desse histograma foram separados corretamente, de acordo com critérios precisos? Como está a distribuição de dados de uma determinada coluna, será que segue uma distribuição normal ou enviesada? Qual od desvio padrão? Nesse caso, é melhor substituir os NaNs por 0, pela média, mediana ou dropar tudo? Será que uma determinada coluna tem dados o suficiente pra ser uma amostra significativa do todo, ou ela não vai prestar? O que são variáveis dependentes, independentes, categóricas ou contínuas, quando faz sentido usar um modelo de regressão linear ou logística? Na hora de fazer meu questionamento inicial e entender o insight que quero produzir, qual a melhor forma de formular uma hipótese? A estatística, mesmo que seja a mais básica, já te oferece uma flexibilidade pra resolver todos esses problemas de forma criativa, intuitiva e lógica, sem fazer você perder tempo quebrando a cabeça com uma documentação que pode não te ajudar porque o problema estava no próprio momento em que você decidiu montar os dados daquela forma. Então a estatística já faz falta pro cientista de dados no momento em que ele decide montar o primeiro dataframe, então não dá pra adiar muito. É melhor aceitar que quem REALMENTE não curte estatística e matemática não vai se dar bem nessa área, não dá pra querer fugir mto.
Obrigado pelo comentário Max e pelo ponto de vista. Mas você já está partindo do ponto que todos sabem como programar e implementar o primeiro modelo. O que não é o caso, as pessoas estão começando do absoluto zero. Por isso, eu defendo que primeiro, você precise aprender a treinar os modelos, definir métricas de performance e usar Python com o objetivo de analisar dados. Passado essa primeira fase, vem uma segunda fase, onde você precisa entender o que você está fazendo, e então, as pessoas devem seguir exatamente o caminho que você escreveu nos comentários. Todas as suas perguntas são bem pertinentes, mas estão dentro de um segundo momento, para quem está comendo do absoluto zero. 100% contigo sobre "Não dar para fugir muito da Estatística". Não dá pra fugir nem um pouco, porque assim como o martelo faz parte da caixa de ferramentas do carpinteiro, a estatística faz parte da caixa de ferramenta do Cientista de Dados. Ótimos pontos, obrigado pela discussão! Grande abraço!
Estou com 16 anos esse ano e pretendo me preparar para o futuro(2022) para tentar consiguir um emprego nessa area, conseguir experiência no pós-pandemia.
O quão relevante é a pesquisa operacional na ciência de dados? Sou estudante de engenharia de produção e vi vários algoritmos parecidos na pesquisa operacional mas usamos mais o excel na maior parte dos problemas.
Oi FS px, Infelizmente não conheço nenhum canal que aborde Data Science para Química. Mas se você aprender Data Science, você mesmo pode encontrar os problemas na Química para resolver. Grande abraço!
Pra quem tem interesse na área de mercado/finanças é melhor focar o portfólio com projetos voltados a essa área ou diversificar um pouco e mostrar que sou flexível e tenho conhecimentos abrangentes?
Grande Eikue, tudo bom? Depende do seu objetivo como Cientista de Dados, acho que no começo você pode diversificar os projetos e depois com o tempo, vai especializando em uma aplicação que você goste, como é o caso de finanças. Bons estudos!
Mestre, qual a sua opinião. Estou fazendo a minha primeira graduação em um curso tecnólogo chamado de Ciências de dados. Estou no segundo semestre. Vale a pena seguir ou transfiro para um dos citados no vídeo. O curso é EAD.
Data Science puxa muitos conhecimentos em matemática (cálculo de 1 e múltiplas variáveis, álgebra linear aplicada, análise) e estatística (inferência), então veja na grade do curso se essas disciplinas são estudadas em peso. Creio que a parte de programação seja bem suprida em ADS, mas o foco dela estaria mais no desenvolvimento de algoritmos e sistemas, então é bem possível que vc tenha que suplementar a graduação (cursos e/ou pós). Mas sinceramente, se você realmente quer trabalhar com ciência de dados, o melhor curso (graduação) que te prepara pra área é a Estatística
@@jancer_teixeira Então, por falta de opções, eu provavelmente vou fazer o bacharelado em Ciência de dados da UNIVESP. Infelizmente, é muito provável que a universidade que eu queria não disponibilize vagas em ADS pelo PROUNI.
@@nataelias9590 Ciência da computação é um excelente curso também para a área, pois vai te dar muita base na teoria da computação e lá se vê bastante a matemática necessária, é mais uma opção
@@jancer_teixeira Sim, CC seria o ideal, me deixaria perto do Data Science e de outras áreas da TI. Mas, como moro no meio do mato, não tenho essa opção rsrs
Grande Pedro, tudo bom? A resposta para a sua pergunta está dividida: 1) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-LJrK4B7bNWA.html - Esse vídeo mostra os tipos de projetos de portfólio. 2) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-WHoK46KLrcM.html - Esse vídeo mostrar o que é um modelo, que é a essência de um dos tipos tipos de projetos de portfólio. 3) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-zmNE5YVQRiE.html - Esse vídeo mostra os tipos de modelos de Machine Learning 4) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-De7BxRKGhrs.html - Esse vídeo como funciona o processo seletivo de Data Science. 5) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-VlYDWOfiFuc.html - Esse vídeo é uma sugestão de como se planejar para fazer os projetos. Espero que te ajude Pedro! Qualquer dúvida, manda msg!
O que você acha de um administrador se tornar cientista de dados? Estou iniciando na área e me preocupo, mas me preocupo pois sempre querem algo em áreas como engenharias ou programação
Grande Iago, tudo bom? Totalmente possível, aqui no canal tem algumas entrevistas de pessoas que eram de áreas totalmente diferentes e agora são Cientistas de Dados. Inclusive uma pessoa que fez administração e agora trabalhar com Data Science. É muito possível, só depende de você e do seus projetos! Grande abraço!
Oi Lucas, obrigado pela mensagem. Eu não sei te dizer meu caro. Eu precisaria ver a ementa do curso. Procura saber se tem muitos projetos e não apenas o TCC
Grande Lucas, tudo bom? Muito obrigado pela mensagem! Acho possível sim. Eu costumo dizer que se você é bom, sempre terá lugar pra você. Mas precisamos ser realistas, existem empresas que tem um preconceito com a idade dos profissionais, essas são empresas mais tradicionais, em geral. Outras empresas, como as Startups, mais novas, estão mais alinhada com a atual realidade e portanto priorizam a sua capacidade em resolver problemas acima de tudo. Logo, se você tem bons projetos no seu portfólio, se você domina os passos da construção de uma solução para um problema de negócio e você sabe exatamente o motivo daqueles passos estarem onde estão, você terá muito mais valor do que qualquer outro profissional mai novo. O mais importante para as empresas atuais é o seu potencial em gerar valor para a empresa e não sua idade, localidade ou formação acadêmica. Espero ter ajudado de alguma forma! Grande abraço!
@@ComunidadeDS Cara, ajudou muito. Resposta super completa superando as minhas expectativas. Me auxiliou como eu devo agir e comportar no início da minha graduação de Ciência de Dados. Valeu mesmo e vida longa ao seu canal!
@@leiamaisleiamuito Boa Lucas!! Fico feliz em ajudar! Qualquer coisa que eu puder fazer para acelerar sua migração, não hesite em mandar msg! Bons estudos e obrigado pelas palavras! Abração!
Oi Larissa, tudo bom? Você já se inscreveu para receber o convite? Se não, faça isso nesse link: sejaumdatascientist.com/inscricao-lives-comunidade-ds/ Se sim, aguenta um pouco que na semana que vem vai chegar um email para você com a data e o link da transmissão! Aguenta firme! hahaha
