Reseña: Especialización de Ciencia de datos de IBM

La ciencia de datos (data science) es un campo interdisciplinario que aplica la estadística, programación, modelos de IA y el entendimiento del negocio. Los científicos se encargan de analizar los datos para revelar tendencias y presentar información que la empresa o cliente puede utilizar en su toma de decisiones y mejorar sus productos y/o servicios.

Debido a la cantidad de información que se crea diariamente el análisis de los datos ha tomado más fuerza e interés, y es por ello que me enfoqué en buscar un curso que me ayudara a mejorar mis habilidades y conocimientos en dicho campo. En este post te explicó las ventajas y desventajas de la especialización de IBM además de algunas recomendaciones.

Posiblemente lo veas como una publicación extensa pero quiero explicarte lo que aprendí para que evalúes si es realmente lo que estás buscando, si deseas únicamente auditarlo o hacer una inversión.

¿Por qué decidí estudiar esta certificación y en esta plataforma?

Después de una ardua investigación me encontré con diversos cursos en diferentes plataformas educativas, sin embargo el que más llamó mi atención fue el de IBM en la plataforma Coursera. Entre los puntos principales fue el aprender los servicios y recursos que tiene IBM, los módulos que incluye y además de conocimiento de nivel básico hasta avanzado.

Entre sus ventajas se encuentran:

  • Cursos actualizados
  • Con un enfoque práctico y empresarial.
  • Los profesores tienen un nivel avanzado en los temas y son en su mayoría investigadores o doctores en Universidades prestigiosas.
  • Puedes auditar el curso, es decir no necesitas pagar para llevarlo a cabo en su totalidad.
  • También puedes pagar si lo que requieres es tener un certificado, el primer mes el costo es de $730 pesos equivalente a $29 USD y para el siguiente mes te hacen un descuento del 50% es decir $14.5 USD. En caso de necesitar más tiempo mes con mes requieres pagar $29 USD.
  • El curso es teórico – práctico.
  • Necesitarás de dos a tres meses para concluir la especialidad dependiendo del tiempo que le dediques, por supuesto es posible concluirlo en un mes.

Sus desventajas son:

  • En dado caso de que no sepas leer y comprender el inglés entonces te recomiendo no cursarlo ó considero que será complicado entenderlo en su totalidad. Puedes intentarlo con el primer módulo y tu decides si continúas o no.
  • Los primeros dos módulos al menos para mi fueron desgastantes, te recomiendo que no desistas por estos dos bloques, esto me sucedió por mi conocimiento previo y fue tedioso volver a escuchar conceptos.

¿Qué vas a aprender?

La especialización se compone de 9 cursos que presento en la siguiente figura.

Cómo puedes observar va desde lo más sencillo (What is a data science?) hasta la aplicación de los conocimientos obtenidos a lo largo de la especialización (Applied Data Science Capstone). Así que aprenderás desde las bases de la ciencia de datos hasta la resolución de un caso práctico que es común se aplique en la empresa o para el cliente.

Una ventaja adicional es que aprenderás a usar las herramientas en la nube de IBM y lo mejor de todo es que podrás reforzar tus conocimientos en Python, en dado caso de que no conozcas el lenguaje no es un impedimento para que estudies ya que se explican los métodos y bibliotecas más utilizadas.

¿Necesito conocimientos previos?

Ninguno, pero en caso de que sepas Python y hayas leído algunos temas de ciencia de datos te va a ayudar a entender fácilmente al menos los primeros cuatro módulos. Lo que si debo destacar es el entendimiento del idioma inglés, no en su totalidad pero si ayudará si anteriormente has leído contenido en ingles ya sean publicaciones en blogs, revistas o documentación.

Algo que si vas a necesitar es una cuenta de Github para el proyecto final.

¿Por qué lo recomiendo?

La necesidad de científicos de datos, ingenieros de Machine Learning, personas que se dediquen a la visualización, inteligencia de negocio y áreas relacionadas está en aumento y en esta especialización vas a encontrar lo necesario para iniciar. Los cursos son muy claros, los ejemplos son aplicados a la vida real y principalmente con una guía que te permitirá poner en práctica curso a curso lo que aprendiste con anterioridad.

¿Cuánto tiempo le dediqué?

Es una especialización extensa sin embargo si le dedicas tiempo puedes terminarlo entre uno o dos meses eso dependerá de ti, en mi caso lo terminé en dos meses y medio. El primer mes fue de al menos una hora diaria de lunes a viernes, los sábados le dedicaba al menos 2hrs y el domingo descansaba. Para el segundo mes no le dediqué el tiempo necesario y si acaso invertí 15hrs en todo el mes, y ya para los quince días restantes me enfocaba en los temas al menos dos horas de lunes a domingo.

El último curso requiere más tiempo, vas a necesitar al menos una semana para concluirlo, no te desesperes que el esfuerzo dedicado tendrá sus frutos.

¿Qué obtengo al finalizar?

Además del conocimiento, aprendizaje de nuevos conceptos, mucha práctica y una idea de cómo se lleva a cabo un proyecto de análisis de datos también vas a obtener el siguiente certificado en donde se acredita la aprobación de los nueve cursos que componen la especialidad de IBM Data Science.

Recomendaciones finales

Mi consejo es que revises los temas de cada curso y si te interesa acreditarte lo hagas, en caso de que solo te interese uno o dos cursos también es válido, lo que no te recomiendo es que pagues la especialidad si aún no estás totalmente convencido de terminarlo y hagas una inversión que no vas a aprovechar porque no sea totalmente de tu interés. Lo que si puedes hacer es auditarlo, aprender y poner en práctica cada tema, esa también es una manera de empezar.

En caso de que algún concepto parezca complicado ve paso a paso y no te desesperes, es una carrera larga y evita que el tiempo y la presión sean tus enemigos.

Y si algún tema no logra ser de todo claro puedes enviarme un tuit a @silvercorp con tu pregunta y con gusto te apoyaré.

Espero que este post haya sido interesante para ti y te brinde panorama de lo que puedes aprender.

Ver nota relacionada

Leave A Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *