Desarrollador Full-Stack VS Data Scientist | ¿Cuál es Mejor?

Поделиться
HTML-код
  • Опубликовано: 1 окт 2024
  • 👨🏻‍💻 ¿Quieres convertirte en un Desarrollador FullStack?
    Uno de los trabajos con más demanda, más valorados, mayor salario (hasta $100.000 al año de media), y más futuro.
    ➜ Máster en DESARROLLO FULL STACK de ConquerBlocks: www.conquerx.c...
    ══════════════════════

Комментарии • 25

  • @conquerblocks
    @conquerblocks  7 месяцев назад +2

    👨🏻‍💻 ¿Quieres convertirte en un Desarrollador FullStack?
    Uno de los trabajos con más demanda, más valorados, mayor salario (hasta $100.000 al año de media), y más futuro.
    ➜ Máster en DESARROLLO FULL STACK de ConquerBlocks: www.conquerx.com/conquer-blocks/master-desarrollo-full-stack

  • @BashtechDev
    @BashtechDev Месяц назад

    Facil:
    desarrollador Full-Stack:
    1- Te empleas
    2- Desarrollas proyectos para comercializar (POS, Sistemas de gestion administrativos de distintos sectores como salud, educacion, etc)
    3- Vives del Freelance
    Data Scientist:
    1- Te Empleas
    2- Brindas Servicios de consultoria OutSourcing para empresas (debes hacer destacar tu trabajo y marca)

  • @BtoChavez
    @BtoChavez 3 месяца назад +1

    Muchas gracias por este video !!!! Una pregunta si soy de la México, puedo tomar el curso gracias, saludos. :)

    • @conquerblocks
      @conquerblocks  3 месяца назад +1

      Si, claro! México es uno de los países donde más alumnos tenemos

  • @cristiancaceres1856
    @cristiancaceres1856 4 месяца назад +7

    mira se las dejo fácil, si buscan creadores de contenido de ambas especialidades notarán que full conservan su cabello mientras que ciencia de datos son calvos

  • @ultimatestrix4526
    @ultimatestrix4526 3 месяца назад

    diria q estoy al 60% de ser fullstack junior 😊😊✌✌

  • @themarketingplace
    @themarketingplace 2 месяца назад

    jarocho vidal😐

  • @BenjaNinja-cl9bb
    @BenjaNinja-cl9bb 4 месяца назад

    Gracias muy didáctico el video .

  • @alejandroarpa
    @alejandroarpa 7 месяцев назад +1

  • @cristiancaceres1856
    @cristiancaceres1856 4 месяца назад

    mira se las dejo fácil, si buscan creadores de contenido de ambas especialidades notarán que full conservan su cabello mientras que ciencia de datos son calvos

    • @brandonp.flores2820
      @brandonp.flores2820 4 месяца назад

      JAJAJAJA NO MANCHES justo el lead de data de mi empresa es calvo

  • @roberthanneyrorondonchacon4359
    @roberthanneyrorondonchacon4359 2 месяца назад

    Ser desarrollador full-stack no ayuda para ser cientifico de datos ?

    • @axyLms
      @axyLms Месяц назад

      Solo el saber programar, lo mismo pasa al revez. Pero si eres fullstack con carrera de ingenieria o asociada, es mas facil aun, porque sabes matematicas avanzadas. Por lo mismo, normalmente piden titulo en cargos de ciencia de datos.

  • @juansuaza3766
    @juansuaza3766 4 месяца назад +1

    Me perdí en sus ojos, que linda jaja!
    Igual simplificó mucho y así entendí que la mejor opción fue fullstack.

  • @sharonforero438
    @sharonforero438 6 месяцев назад

    se ve super complicado

    • @srx1245
      @srx1245 5 месяцев назад

      Realmente no es complicado

    • @zantinibarassi4925
      @zantinibarassi4925 3 месяца назад

      ​@@srx1245como que no, pasa tu instagram y te pregunto algunas cosas que no puedo hacer

  • @fmh3637
    @fmh3637 5 месяцев назад +3

    A la hora de trabajar con datos hay que diferenciar entre data scientist que es el que se encarga de preparar los datos para su correcto análisis, es un trabajo más de cortar y pegar por así decirlo y el data analyst que es el que se encarga de analizar los datos aplicando la estadística y conocimientos matemáticos para la realización de modelos y demás

    • @zantinibarassi4925
      @zantinibarassi4925 3 месяца назад +1

      Te estas equivocando y duro, el data analitycs es aquel que se encarga de organizar los datos y los devuelve a la empreza para tomar decisiones, el data sciense es el que se encarga de aparte de analizar datos, en base a ese resultado tomar una desicion automatica echa por machine learning, no por algo el data analitycs solo necesita excel, sql y power bi para la visualizacion, ahora el data science es aquel que necesita todo eso pero ademas lenguajes de programacion como python y usar librerias, es mas complejo que data analitycs por lo que lleva mas tiempo ser data science

    • @zantinibarassi4925
      @zantinibarassi4925 3 месяца назад

      Te estas equivocando y duro, el data analitycs es aquel que se encarga de organizar los datos y los devuelve a la empreza para tomar decisiones, el data sciense es el que se encarga de aparte de analizar datos, en base a ese resultado tomar una desicion automatica echa por machine learning, no por algo el data analitycs solo necesita excel, sql y power bi para la visualizacion, ahora el data science es aquel que necesita todo eso pero ademas lenguajes de programacion como python y usar librerias, es mas complejo que data analitycs por lo que lleva mas tiempo ser data science

    • @nereamata18
      @nereamata18 Месяц назад

      Para nada, un analista de datos solo necesita de estadistica descriptiva para trabajar y organizar los datos, el cientifico de datos es un puesto de alto nivel, requiere manejar estadistica inferencial y matematicas, para el analisis, prediccion, modelado, etc. De por si un camino para llegar a ser un cientifico de datos es antes ser un Analista de datos, y no al reves.

  • @keylaflores4048
    @keylaflores4048 3 месяца назад +1

    Ahorita tengo 16 años, estoy estudiando en un colegio pero me interesa mucho mi futuro, que me recomiendan hacer?

    • @juancapote4923
      @juancapote4923 3 месяца назад

      Lee/ investiga un poco sobre un área en especifico y que va a requerir dicha especialidad (Material hay un montón y puedes apoyarte en personas con experiencia), si te resulta llamativa o te interesa lo que consigues puedes empezar a experimentar un poco a ver si termina de convencerte (Frontend, Backend, Fullstack, Data Science, AI/ Machine Learning).
      PD: En general procura ir por algo que de verdad te guste o apasione, a largo plazo será más consistente trabajar algo si le tienes cariño que trabajarlo por dinero.