Mais e mais pessoas estão entrando na área de ciência de dados todos os dias. Há vários motivos para essa tendência. Primeiro, a grande demanda: ciência de dados continua entre as profissões que mais crescem no mercado, segundo o relatório de profissões emergentes do LinkedIn 2020, apesar da desaceleração do setor causada pela pandemia de COVID-19.
Depois, as expectativas salariais: estatísticas do Glassdoor de 2020 mostram que o salário de um cientista de dados em início de carreira gira em torno de US$ 89.000. E, por fim, a popularidade impressionante: a Harvard Business Review declarou em um memorável artigo de 2012 que cientista de dados era a profissão mais cobiçada do século 21.
Se você está pensando em começar uma nova jornada em ciência de dados, não hesite — vá em frente. Para ajudar você a ter sucesso, preparamos uma lista com 10 lições e dicas práticas para guiar seus primeiros passos e ajudar você a encontrar seu lugar no incrível mundo da ciência de dados.
- Desmistificando a ciência de dados
- O que é uma linguagem de programação?
- No começo vai doer. Mas tenha paciência.
- Você não está sozinho: recursos de ciência de dados
- A arte de programar
- Por onde eu começo a aprender?
- Continue aprendendo
- Ciência de dados é um meio, não um fim
- Com grandes poderes, vêm grandes responsabilidades
- Conclusão: (você será) data, meu amigo
Desmistificando a ciência de dados
Ciência de dados costuma aparecer ao lado de outros termos da moda na tecnologia, como big data, inteligência artificial e machine learning, o que pode dificultar entender claramente o que ela realmente é.
Em poucas palavras, ciência de dados é um campo interdisciplinar que combina métodos científicos, programação, algoritmos e estatística para extrair conhecimento a partir de dados. Ela reúne um conjunto poderoso de ferramentas e metodologias para lidar com dados que podem ser usadas em praticamente qualquer setor. As possibilidades são amplas: vão desde análise exploratória básica e técnicas de coleta de dados como web scraping até algumas das aplicações mais valiosas, como mecanismos de recomendação, visão computacional, carros autônomos e processamento de linguagem natural, em que machine learning e deep learning têm papel central.
Embora seja um caminho natural para profissionais com formação em TI ou programação, o campo evolui rapidamente e hoje é justo dizer que todo mundo é bem-vindo, independente da sua origem. O motivo? À medida que a ciência de dados avança em novas disciplinas, conhecer os aspectos essenciais de uma determinada área é fundamental. Além das habilidades técnicas e de código, cientistas de dados precisam ter um certo grau de domínio do negócio para entender o que estão fazendo. Isso inclui avaliar os dados de entrada, julgar o valor e a validade dos insights e discernir o que faz sentido e o que não faz.
O que é uma linguagem de programação?
Aprender a programar é uma etapa necessária para se tornar cientista de dados. Não há alternativa, apesar do recente crescimento de plataformas de IA e ciência de dados "no-code". Embora essas soluções permitam que usuários de negócio sem formação técnica criem aplicações e softwares (tentando suprir a escassez de desenvolvedores), as competências, os recursos e a mentalidade que um cientista de dados traz são difíceis de substituir — pelo menos por enquanto.
Programar é parte central do dia a dia de um cientista de dados. Mas, afinal, o que é programação? E o que é uma linguagem de programação?
Programação é a técnica que permite executar tarefas automatizadas em um sistema computacional. Para nos comunicarmos com o computador, usamos linguagens de programação. Uma linguagem de programação é um conjunto de regras semânticas e sintáticas que os programadores usam para escrever instruções — também chamadas de algoritmos — para que o computador execute uma tarefa específica.
Existem centenas de linguagens de programação. Em ciência de dados, as duas mais populares são Python e R. Ambas são ótimas para praticamente qualquer tarefa de ciência de dados que você imaginar. Muitas vezes são colocadas como rivais, mas um olhar mais inteligente é vê-las como complementares — aliadas que podem ser combinadas para explorar todo seu potencial e vantagens. Felizmente, a DataCamp tem um amplo catálogo de cursos onde você pode aprender tanto Python quanto R.
No começo vai doer. Mas tenha paciência.
Vamos ser sinceros: aprender a programar é difícil. Essa afirmação vale para qualquer pessoa, independentemente da formação. É hora de parar de pensar que quem estudou ciência da computação ou matemática é mais indicado para ciência de dados do que quem veio de humanas. A única diferença é que o primeiro provavelmente começou a programar na faculdade e o segundo, não. Mas pode ter certeza de que o primeiro também já penou com código em algum momento — especialmente no início.
Programar é como ir à academia. Nos primeiros dias, dói. Seus músculos ficam doloridos e rígidos. Você não está acostumado a essa dor e, deitado no sofá, pode se sentir tentado a desistir. Mas se você não desistir, se continuar treinando, as coisas vão melhorar aos poucos. Depois de algumas semanas, você vai atingir marcas que pareciam impossíveis pouco tempo atrás. Com o tempo, a academia vira parte da rotina e, um dia, você percebe que gosta de treinar.
Para a maioria dos bebês, falar leva de nove a 14 meses. Felizmente, uma linguagem de programação é bem mais simples e rudimentar do que uma língua humana. Se você estiver determinado, deve conseguir escrever scripts básicos em poucos meses. Assim como na academia, é preciso ter paciência ao aprender uma linguagem de programação.
Você não está sozinho: recursos de ciência de dados
Sua jornada em ciência de dados terá vários obstáculos. Você pode travar ao escrever seu código, às vezes não vai entender por que seu script não está rodando direito e haverá momentos em que você simplesmente não terá ideia de como começar uma determinada tarefa.
Sem estresse: você não está sozinho. Uma das coisas mais legais em ciência de dados — e, de forma mais ampla, no ecossistema de programação — é que a internet está cheia de recursos e informações que ajudam a superar os desafios pelo caminho. Você só precisa fazer as perguntas certas para chegar às respostas certas.
Aqui vai uma lista de recursos que vão salvar você ao longo dessa jornada:
-
Stack Overflow: o Oráculo de Delfos dos programadores. Com mais de 16 milhões de usuários, o Stack Overflow é uma plataforma pública de perguntas e respostas para programadores. Se você tiver um problema com seu script em Python ou R, é bem provável que acabe buscando soluções lá.
-
Tutoriais: com dificuldade em regressão? Não sabe por onde começar com web scraping? Ler um tutorial sobre o tema pode ser um ótimo ponto de partida. Você encontra tutoriais completos sobre vários assuntos em plataformas consolidadas, como a DataCamp, e até no YouTube.
-
Cursos online: se você quer se aprofundar em um tema, afiar suas habilidades de código ou simplesmente ampliar seus horizontes em ciência de dados, um curso provavelmente é o que procura. Há muitas opções no mercado, incluindo a DataCamp. Não perca a chance de explorar nossa lista de cursos.
-
Livros de ciência de dados: livros sempre serão uma ótima fonte de informação. O número de títulos em ciência de dados cresceu nos últimos anos, e muitos deles podem ser encontrados gratuitamente online. Uma dica: os livros da O’Reilly.
-
Documentação: por fim, mas não menos importante, a documentação dos pacotes. Documentação é um dos aspectos mais importantes de um bom pacote ou biblioteca. É a principal fonte para o usuário entender o objetivo de um pacote e como ele funciona. Embora não seja a leitura mais empolgante, em muitos casos a solução para o seu problema está em uma função ou parâmetro que você só vai descobrir ao ler a documentação.
A arte de programar
Depois de alguns meses de prática, você vai se sentir mais confiante com suas habilidades. Nesse período, você terá internalizado muitos processos, sintaxes e comandos. Sem perceber, alguns automatismos vão surgir, deixando seu código mais fluido.
Com o tempo, você passa a enxergar o quadro geral: vai descobrir que programar é uma arte. Por exemplo, vai entender que há várias maneiras de resolver um problema de programação, mas algumas são mais eficientes que outras. De fato, a busca por eficiência vai guiar seu trabalho, tanto na hora de escrever quanto de executar o código. Isso vai levar você a aprender novas estratégias de programação.
Outro ponto importante que você vai começar a abordar é a legibilidade. Lembre-se de que legibilidade não é importante só para outros programadores que podem precisar lidar com seus scripts, mas também para o "você do futuro". Com pequenas mudanças em elementos como estrutura da sintaxe, nomes de variáveis e funções, espaços e indentação, seu código fica mais bonito e fácil de entender. Além disso, comentar seu código e documentar suas funções facilita muito a sua vida e a de quem for ler.
Por onde eu começo a aprender?
Definimos ciência de dados como um campo interdisciplinar que combina métodos científicos, programação, algoritmos e estatística para extrair conhecimento de dados. Sim, é bastante coisa para começar. A área é exigente e é fácil para iniciantes se sentirem sobrecarregados. Para confortar: todo mundo que entra em ciência de dados, independentemente da formação, passa por um processo de aprendizado — é simplesmente impossível saber tudo de cara.
E por onde começar? Não há uma única resposta, mas você não vai longe sem uma base em programação, estatística e matemática. Em programação, além de Python ou R, saber SQL é essencial. Quanto a matemática e estatística, não se assuste. Pode levar mais tempo, mas você vai aprender o que é um p-valor ou uma rede neural artificial no seu ritmo.
Enquanto isso, dá para fazer outras coisas para aumentar sua visibilidade e suas chances de ser contratado. Uma ótima ideia é criar um portfólio. Nesse sentido, recomendamos muito testar o recém-lançado DataCamp Workspace, um ambiente online para escrever código, aplicar suas habilidades analisando conjuntos de dados interessantes e construir seu portfólio em ciência de dados. Além disso, você pode escrever artigos sobre o tema, participar de competições de ciência de dados ou buscar certificações na área.
Continue aprendendo
Se você acha que conseguir o primeiro emprego em ciência de dados é o fim da jornada, está enganado. Ciência de dados é um campo dinâmico e em rápida evolução. O que é tendência hoje pode ficar obsoleto amanhã. Para ter uma ideia do cenário, veja esta imagem.
Fonte: FirstMark
Dá para tirar duas conclusões dessa imagem. Primeiro, ciência de dados exige aprendizado contínuo ao longo da vida. Você precisa continuar estudando ou corre o risco de se tornar obsoleto.
Segundo, é impossível conhecer todas as linguagens e tecnologias que existem. Então escolha o que aprender de acordo com as necessidades do seu trabalho e com o que mais desperta sua paixão.
Ciência de dados é um meio, não um fim
Qual é o valor do seu trabalho como cientista de dados se você não consegue comunicar a relevância dos projetos em que está atuando? Qual é o sentido de fazer uma análise profunda e cuidadosa se ninguém entende o que você está fazendo?
O objetivo da ciência de dados é extrair insights a partir de dados e aplicá-los para gerar valor. Em outras palavras, ciência de dados não é um fim em si mesmo, mas um meio de criar valor. Habilidades como boa comunicação, storytelling e pensamento criativo são essenciais para transformar insights em valor. Nesse ponto, como já mencionamos, o setor se beneficia de competências não técnicas.
Com grandes poderes, vêm grandes responsabilidades
Provavelmente esta é a lição mais importante. Ciência de dados está por trás de algumas das aplicações e invenções mais valiosas da nossa vida. Nossas sociedades estão mudando rapidamente, impulsionadas pela força disruptiva da ciência de dados e da inteligência artificial, entre outras tecnologias.
Nesse contexto de incerteza e mudanças profundas, é importante manter uma postura crítica e cautelosa. Nosso trabalho diário como cientistas de dados envolve lidar com toneladas de dados, construir modelos e transformar insights em valor, mas devemos sempre tentar ir além do computador e nos questionar sobre os impactos sociais do que fazemos.
Ser crítico e responsável é o primeiro passo para evitar abusos no setor e garantir um futuro mais justo.
Conclusão: (você será) data, meu amigo
Para encerrar, queremos compartilhar uma última lição: a ciência de dados não está apenas mudando a sociedade — ela também vai mudar sua vida para sempre.
O mundo em que vivemos é complexo. Lidamos o tempo todo com processos e sistemas que vão além da nossa compreensão. Para lidar com essa complexidade, trabalhamos com modelos, que podem ser definidos como descrições simplificadas da realidade. Nesse sentido, a ciência de dados oferece vários modelos que ajudam a entender o mundo. Por exemplo, o modelo relacional para bancos de dados é muito útil para estruturar informações e descrever fenômenos complexos. Modelos de redes sociais ajudam a entender como a informação flui de pessoa para pessoa ou a explorar o potencial das redes das quais fazemos parte. E, mais fascinante ainda, os modelos matemáticos que impulsionam aplicações de machine learning não são cruciais apenas para que computadores aprendam — eles também oferecem novas perspectivas sobre a inteligência humana e, assim, nos ajudam a entender melhor a nós mesmos.
Por fim, há outro motivo pelo qual a ciência de dados vai mudar você. Vivemos na era do Big Data. Toneladas de dados são criadas e coletadas todos os dias. Dados nada mais são do que informação de muitos tipos e fontes. A leitura permite aprender com livros e outros textos; o letramento em dados permite aprender com os dados. Isso é e tanto, já que os dados oferecem maneiras inéditas de estudar qualquer área que você imaginar — de medicina, psicologia e arte a mudanças climáticas, astronomia e história.
A ciência de dados coloca nas suas mãos as ferramentas para analisar dados — o que você faz com elas depende só da sua imaginação e curiosidade. Então vamos continuar a aventura: existe um mundo inteiro lá fora esperando para ser (re)descoberto por você. Comece desenvolvendo suas habilidades em dados online.
