Uma das coisas mais clichê que se pode ouvir atualmente quando se fala em programação é “qualquer pessoa pode programar”. E, por mais difícil que possa ser acreditar nisso, pelo menos era para mim há um tempo atrás, é bem verdade. Qualquer pessoa pode decidir mudar de área e ir para alguma profissão no mundo DEV. Basta o mínimo de interesse e esforço para entrar na carreira de Data Science.
Sei que ouvir isso de uma pessoa que trabalha nessa área pode ser um pouco previsível, pois não é difícil ver pessoas que estão nesse meio que gostavam de alguma coisa relacionada a computadores quando eram mais novas. E, com isso, decidiram fazer um curso na área de computação, e por fim, se tornaram desenvolvedores. Esse perfil de fato é bastante comum, mas não é o único, existem muitos outros caminhos que podem levar uma pessoa a se interessar por esse novo desafio e se tornar um DEV.
LEIA TAMBÉM: Data Science: mercado de trabalho e desafios
Antes de prosseguir, vou me apresentar: eu sou Felipe Lisboa, cientista de dados na Coodesh e, apesar de estar atuando na área de dados, a minha formação é de Engenheiro Industrial – Madeira, ou seja, um profissional especializado nos diversos processos industriais envolvendo madeira e seus derivados, ou, em outras palavras, nada a ver com computação. Mas, como eu saí de uma formação dessa e acabei chegando ao cargo relacionado a dados? Para responder isso e passar algumas dicas de como é possível ingressar nesse mundo, mesmo não sendo formado em Ciência da Computação, eu escrevi o texto desse mês.
O início
A minha jornada como cientista de dados começou praticamente na faculdade, pois antes disso eu nunca havia sequer estudado programação (no máximo, mexer em alguns computadores em casa, mas nada aprofundado e sempre em nível de hardware). Entretanto, no primeiro semestre, um professor me abordou com a seguinte proposta: “Você não quer fazer uma disciplina optativa de Introdução à Mineração de Dados?” Como eu não tinha nada para fazer no horário, acabei aceitando, mesmo não entendendo muito sobre a matéria (talvez por ser um aluno do primeiro ano em uma turma composta completamente de alunos do final do curso).
Foi nessa matéria que eu tive contato com alguns conceitos interessantes, como entender o que eram dados (sim, eu estava nesse nível), que eles eram armazenados em um banco, que tinha um profissional responsável por realizar estudos e, a partir deles, gerar soluções para as organizações. Entretanto, eu fazia tudo isso sem programar, pois o software utilizado era o Knime, uma ferramenta bastante simples que, quase sempre, dispensa o uso de códigos.
Contato com linguagens
Seguindo na faculdade, eu posso dizer que dei sorte, pois, apesar de fazer engenharia, eu tive contato com a linguagem C (bastante rudimentar por ser um curso de engenharia), posteriormente, aprendi sobre R (linguagem muito voltada para estatística e Ciência de Dados, e que me ajudou muito durante toda a faculdade) e, mais para o final do curso, aprendi Python em uma matéria de controle de processos (alguns industriais podem ser programados em Python e traduzidos para a máquina por meio de bibliotecas).
SAIBA MAIS: Python para Data Science: a linguagem mais utilizada na área
Apesar de ter aprendido alguma coisa sobre programação na faculdade, esse conhecimento estava longe de ser o suficiente para ingressar no mercado de desenvolvedores, e sinceramente, não tinha muito interesse nisso até chegar na fase final da faculdade e procurar estágio.
Foi nesse momento que o mesmo professor, que no começo do curso havia me sugerido fazer uma disciplina de “Introdução à Mineração de Dados”, recomendou que eu fizesse uma transição de carreira para trabalhar como cientista de dados.
Após avaliar um pouco, aceitei, mas, dessa vez, não apenas por não ter nada melhor para fazer.
Para fazer essa transição para a carreira de Data Science, a primeira coisa que eu precisei fazer foi estudar, aprender Python mais voltado para Ciência de Dados, aprender estatística mais profundamente, aprender como unir os dois conhecimentos e aplicar em algum projeto.
Entretanto, acredito que o motivo de realmente ter ingressado na área foi um dos projetos que participei no estágio, que era desenvolver uma inteligência artificial que fosse capaz de detectar doenças pulmonares através de imagens de raio-x.
Foi a partir desse projeto que eu acabei decidindo migrar completamente da engenharia para o mundo DEV através da carreira de Data Science, mesmo sem nunca ter sequer prestado faculdade para computação e sem imaginar seguir isso até o meio da faculdade.
Mas e depois?
Bem, de fato, em comparação a outros, eu estou bem no começo da carreira como cientista de dados, e isso é uma das coisas que me motiva muito a continuar.
Afinal, acredito que uma das coisas que mais estimula a todos que descobrem esse mundo é a quantidade de coisa nova que se pode aprender todo dia, como novas tecnologias, formas de resolver um problema e tudo mais. É como se todo dia fosse um novo aprendizado, um novo começo.
Acredito que essa seja um pouco da minha jornada sobre sair de uma formação de engenharia industrial e ingressar em uma carreira de desenvolvedor. Para quem está pensando em fazer algo similar, eu acredito que posso dar algumas dicas. Confira abaixo.
Dicas para quem está começando
Recomendo muito procurar o que pretende fazer na área (trabalhar como Front-end, Back-end, Data Scientist, Designer, Tech Recruiter, etc). Existem inúmeras possibilidades dentro desse mundo, todas igualmente importantes.
Para quem deseja ingressar na área de Data Science, existem algumas recomendações extras: você não precisa ser considerado ótimo em matemática, programação ou qualquer outra área, pois é possível aprender praticamente do zero (existem cursos de matemática e estatística em sites como Udacity e Khan Academy).
LEIA TAMBÉM: 12 melhores escolas para fazer cursos em Ciência de Dados
Aprender uma linguagem como Python também é bastante simples, já que a linguagem é muito acessível, e a comunidade é bastante ativa (quase tudo é possível aprender de graça), praticamente qualquer dúvida mais básica pode ser esclarecida pela internet (e se tiver algo mais específico, pode ler a documentação).
Além do Python, o SQL é a outra linguagem que vai precisar. Também é possível aprender de graça na internet (existem cursos gratuitos na Udacity). Já as demais tecnologias podem ser aprendidas conforme você perceber a necessidade.
Além disso, se você se interessou, mas não possui um computador muito bom ou até mesmo não tem computador, é possível começar a estudar Python até pelo celular usando a plataforma Google Colab.
É lógico que um computador qualquer é melhor, mas sem um também é completamente possível começar a aprender. Hoje, na minha opinião, o conhecimento mais importante que você precisa para estudar qualquer área relacionada à tecnologia, com certeza, é o inglês, afinal, é possível começar sabendo pouco de inglês, mas conforme você aumentar o conhecimento, é preciso passar a estudar em inglês, pois tem muito mais material.
Acredito que seja isso para quem deseja iniciar na carreira de Data Science. Em qualquer idade, haverá grandes desafios, mas com certeza será muito bem-recebido!
