{"id":117497,"date":"2022-02-22T14:31:40","date_gmt":"2022-02-22T17:31:40","guid":{"rendered":"https:\/\/fluency.io\/br\/blog\/?p=1855"},"modified":"2023-07-26T15:54:06","modified_gmt":"2023-07-26T18:54:06","slug":"caracteristicas-cientista-de-dados","status":"publish","type":"post","link":"https:\/\/homolog.fluency.io\/br\/blog\/caracteristicas-cientista-de-dados\/","title":{"rendered":"Caracter\u00edsticas de um Cientista de Dados: quais s\u00e3o e como desenvolver"},"content":{"rendered":"\n

N\u00e3o h\u00e1 d\u00favidas de que Data Science<\/a> \u00e9 um campo fascinante! Quando nos deparamos com os resultados trazidos por aplica\u00e7\u00f5es baseadas em dados, suas predi\u00e7\u00f5es e os n\u00edveis de assertividade alcan\u00e7ados, a sensa\u00e7\u00e3o \u00e9 de estarmos em contato com algo m\u00e1gico. Um classificador capaz de obter resultados pr\u00f3ximos (ou melhores) aos obtidos por humanos na identifica\u00e7\u00e3o de doen\u00e7as atrav\u00e9s da leitura de imagens \u00e9 quase inacredit\u00e1vel.<\/p>\n\n\n\n

Por\u00e9m, quando nos deparamos com todo o processo necess\u00e1rio para atingir estes resultados \u201cm\u00e1gicos\u201d da ci\u00eancia de dados, \u00e9 normal surgirem alguns questionamentos. Uma pergunta que eu tenho observado com cada vez mais frequ\u00eancia \u00e9: Data Science \u00e9 para mim?<\/p>\n\n\n\n

Especialmente para quem n\u00e3o tem um background de programa\u00e7\u00e3o ou n\u00e3o possui uma forma\u00e7\u00e3o na \u00e1rea das exatas, esse questionamento incomoda bastante.<\/p>\n\n\n\n

Bom, responder a esta pergunta n\u00e3o \u00e9 t\u00e3o simples. Gostaria de frisar que este texto \u00e9 uma opini\u00e3o pessoal de algu\u00e9m que passou por todas essas quest\u00f5es por n\u00e3o ter uma forma\u00e7\u00e3o comum entre os profissionais da \u00e1rea. Portanto, n\u00e3o espere ao fim do texto um algoritmo capaz de dizer se Data Science \u00e9 ou n\u00e3o para voc\u00ea, mas sim um esclarecimento sobre alguns dos desafios iniciais, da jornada at\u00e9 se tornar um cientista de dados e sobre dia a dia da \u00e1rea. A decis\u00e3o ainda continua em suas m\u00e3os, combinado? Muitas vari\u00e1veis est\u00e3o envolvidas em uma decis\u00e3o t\u00e3o complexa quanto essa, mas mantenha isso em mente: grandes desafios s\u00e3o respons\u00e1veis por recompensas maiores ainda.<\/p>\n\n\n\n

Paix\u00e3o por dados, pelos resultados e pelo processo<\/strong>.<\/h2>\n\n\n\n

Na ci\u00eancia de dados, por envolver programa\u00e7\u00e3o, \u00e9 comum que o processo de resolu\u00e7\u00e3o problemas caminhe para algo mais complexo e extenso do que o previsto inicialmente. Por exemplo, caso o problema a ser resolvido n\u00e3o tenha dados facilmente dispon\u00edveis, pode ser necess\u00e1rio elaborar uma raspagem de dados dos sites (web scraping<\/em>), tornando o simples fato de montar uma tabela com os dados a serem utilizados para as an\u00e1lises em uma vit\u00f3ria a ser comemorada. <\/p>\n\n\n\n

\n

Um cientista de dados<\/a> deve estar interessado tamb\u00e9m pelo processo, e n\u00e3o apenas nos resultados!<\/strong><\/p>\n<\/blockquote>\n\n\n\n

\u00c9 claro, voc\u00ea n\u00e3o precisa amar cada detalhe dos projetos. Na verdade, a maior parte deste profissionais prefere uma ou outra fase de um projeto de ci\u00eancia de dados<\/a>. Al\u00e9m disso, \u00e9 muito comum encontrar profissionais que aprenderam a gostar do processo com o tempo, mas \u00e9 importante manter isto em mente se voc\u00ea est\u00e1 interessado em migrar para esta \u00e1rea apenas pelos altos sal\u00e1rios, por exemplo. <\/p>\n\n\n\n

Autonomia\/lidar com erros<\/h2>\n\n\n\n

Antes de continuarmos o assunto, decidi levantar algumas caracter\u00edsticas da ci\u00eancia de dados muito relevantes para este t\u00f3pico. Acredito, inclusive, que algumas delas trazem a solu\u00e7\u00e3o para este problema:<\/p>\n\n\n\n