Contenido
- Científicos de datos: ¿Techs Rock Stars?
- ¿Qué hacen los científicos de datos?
- Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
- Cómo ser un científico de datos
- El camino hacia Big Data
Fuente: Onradio / iStockphoto
Para llevar:
El papel del científico de datos se está convirtiendo rápidamente en la carrera más buscada del mundo tecnológico. Le preguntamos al principal científico de datos Jake Porway de The New York Times sobre cómo consiguió su trabajo y sus consejos para tener éxito en el campo.
El papel del científico de datos se está convirtiendo rápidamente en la carrera más buscada en el mundo de la tecnología. Empresas como Google, Amazon y LinkedIn están utilizando científicos de datos para ayudarles a mantener esa ventaja innovadora en la era de los datos digitales. Y ahora los entusiastas de los datos y la tecnología aspiran a convertirse en científicos de datos de la misma manera que algunos músicos aspiran a convertirse en estrellas de rock. Quizás por eso algunas personas se refieren a los científicos de datos como las nuevas estrellas de rock de la era de la tecnología.
Desafortunadamente, este papel aún es tan nuevo que todavía hay un nivel de oscuridad al respecto, lo que significa que muchos científicos que quieren datos están conduciendo sus autobuses turísticos por el camino equivocado. ¿Los científicos de datos merecen su reputación de estrella de rock? Nos sumergimos en el mundo de la ciencia de datos con una entrevista con Jake Porway, el científico de datos del laboratorio de I + D en The New York Times.
Científicos de datos: ¿Techs Rock Stars?
Entonces, ¿por qué se hace referencia a los científicos de datos como las nuevas estrellas de rock del mundo tecnológico? Esta analogía en realidad va más allá de lo que los nerds de datos desean sonar ultrafrescos. Al igual que una estrella de rock, una carrera de científicos de datos incluye diversidad, libertad artística y adaptabilidad. Y al igual que las estrellas de rock del mundo del entretenimiento, los mejores científicos de datos tienden a ganar un gran número de seguidores de todos los ámbitos de la industria de datos y tecnología.
Lo que hace un científico de datos es muy diverso; Así como los músicos usan diferentes instrumentos, herramientas y técnicas para tocar estilos musicales que son tan dispares como el jazz y el death metal, un científico de datos también domina una herramienta y un campo en particular. También hay un estilo involucrado. Y tampoco hay una forma correcta o incorrecta de hacer el trabajo: se trata del impacto que el trabajo tiene en otras personas.
Cuando los Beatles escribieron sus canciones, no había una sola persona dictando cómo se tocaba cada nota en cada instrumento. Se unieron y se atascaron; a través del descubrimiento creativo encontraron canciones que funcionaron. Es lo mismo para los científicos de datos. Tienen que sentir el ritmo, entrar en el ritmo y armonizar una solución. Esto solo es posible con la cantidad adecuada de libertad artística para probar cualquier enfoque, herramienta y técnica que se te ocurra en el momento, y la agilidad para hacer cambios cuando algo parece fuera de lugar.
Una vez que un científico de datos domina los fundamentos fundamentales, se adapta y gana la confianza para proporcionar soluciones en otros campos. Hablaremos más sobre estos fundamentos básicos más adelante. El punto a destacar aquí es que una vez que domine la ciencia de datos, puede asumir el rol en el campo que desee, porque los datos están en todas partes.
El objetivo final de un científico de datos es crear enormes cantidades de valor para la mayor cantidad de personas posible. Mientras que un científico de datos trabaja detrás de escena, no es diferente a jugar ante una gran audiencia: cuanto mejor hagas el trabajo, más personas alcanzarás y más recompensas verás.
¿Qué hacen los científicos de datos?
Entonces, ¿qué hacen exactamente los científicos de datos? Veamos esto con un ejemplo con el que todos podamos relacionarnos.
Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
No puede mejorar sus habilidades de programación cuando a nadie le importa la calidad del software.
Digamos que un día te das cuenta de que no tienes la misma cantidad de energía en el día que solías tener. Entonces te propones una meta: tener más energía durante el día. Ahora, ese es un objetivo bastante amplio y ambiguo. Entonces, el primer paso como científico de datos es eliminar parte de esa ambigüedad y cuantificar la mensurabilidad de estos objetivos. Hay métodos para esto. No entraremos en detalles aquí, pero digamos que teorizas que no estás durmiendo lo suficiente y, por lo tanto, te das el objetivo secundario de dormir ocho horas cada noche.
Aunque este objetivo es un poco más medible y menos ambiguo, tiene sus propios desafíos. Realmente no puede iniciar un temporizador una vez que se duerme, e incluso si inicia un temporizador después de saltar a la cama, es posible que no se quede dormido de inmediato. Además, es difícil dar cuenta de las veces que te levantas en medio de la noche. Finalmente, hay diferentes tipos de sueño, como el sueño profundo y el sueño ligero. La conclusión es que es difícil medir el sueño con precisión y, por lo tanto, es aún más difícil medir su impacto en sus niveles de energía.
¿Entonces que puedes hacer? Bueno, como científico de datos, buscaría lo último en tecnología y descubriría que existen dispositivos de monitoreo del sueño.Y si usó un dispositivo de este tipo para medir y registrar digitalmente su sueño, podría obtener datos más precisos sobre su sueño y recopilar esos datos a lo largo del tiempo para trazar un gráfico.
Esto por sí solo puede darle una mejor idea de lo que está sucediendo. La representación visual le dará conciencia, claridad y dirección. Podrá ver si está alcanzando su objetivo de dormir ocho horas por noche y, lo que es más importante, podrá tomar medidas si no lo hace.
Este es el trabajo básico del científico de datos: traer nuevas formas de medir y mostrar los datos para que se brinde más conciencia, claridad y dirección a quienes los miran.
Pero un buen científico de datos no se detiene allí. Una vez que se recopilan los datos, se pueden integrar con cualquier otra actividad medida que realice durante el día. Intégrelo con su productividad en función de los datos de su sistema de gestión de tareas. Intégrelo con sus estados de ánimo basados en tweets y actualizaciones de estado. Intégrelo con su salud basándose en visitas al gimnasio o pérdida de peso. Con la cantidad de datos ya disponibles y la facilidad con la que se pueden capturar, las posibilidades son infinitas.
Cómo ser un científico de datos
¿Interesado en una carrera en ciencia de datos? Debido a que la ciencia de datos es tan nueva, le pedimos a un científico de datos superior la información sobre el campo. Jake Porway es científico de datos en The New York Times y fundador de DataKind (originalmente conocido como Data Without Borders), que une a las organizaciones sin fines de lucro que necesitan ciencia de datos con científicos de datos independientes y pro bono. Porway tiene experiencia en informática y un doctorado. en estadísticas de UCLA. Aquí está lo que tenía que decir sobre cómo entrar en la ciencia de datos, cómo desempeñarse bien y cómo evitar errores clave en el campo.
1. Obtenga las habilidades correctas
Según Porway, entrar al campo se reduce a tres cosas clave:
- Habilidades informáticas prácticas.
- Habilidades estadísticas
- Un deseo de aprender
"Debe poder escribir scripts para raspar datos, así como codificar los algoritmos que se le ocurren", dice Porway. "Debe conocer sus estadísticas básicas (y más, idealmente) si realmente va a poder evaluar si los modelos que está construyendo o los algoritmos que está escribiendo están haciendo lo que quiere".
2. Hacer conexiones
Antes de unirse al laboratorio de I + D del New York Times, Porway trabajó en aprendizaje automático y visión por computadora, y pasó mucho tiempo haciendo que los robots identificaran minas terrestres y volaran aviones (qué bueno es ese?) No fue hasta que consiguió su trabajo en The New York Times que logró expandirse a tareas más amplias de ciencia de datos, a saber, Project Cascade, que rastrea los enlaces de la publicación en las redes sociales.
Porway dice que lo más importante para llegar al campo es aprender.
"¡Sube a un proyecto de ciencia de datos!" Porway dice. "Descargue algunos datos, recoja algunos R y comience a jugar ... Yo diría que se concentre en usar algo como R junto con un libro de estadísticas básicas para guiarlo a explorar algunos datos. El aprendizaje automático y las habilidades informáticas vendrán con eso (de por supuesto, esto depende de tu experiencia pasada: si ya eres un estadístico, ¡compra Python!) "
Entonces es hora de hacer algunas conexiones. Porway recomienda un grupo de reunión local, porque ser parte de la comunidad de ciencia de datos es "la forma más rápida de saber lo que no sabes". Y en un campo que está en constante evolución, eso importa.
3. Entra en el juego
Porway tiene un doctorado. en estadísticas de UCLA, pero él enfatiza que no necesita uno para hacer un buen trabajo.
"Podría ayudar, pero no piense que tiene que irse y hacer otros cinco años de escuela para poder llamarse científico de datos", dijo Porway.
La ciencia de datos es un campo relativamente nuevo. Esto significa que aquellos que desean ingresar al campo deben abordarlo con una mente abierta.
"Un científico de datos en Foursquare se verá muy diferente de un científico de datos en Goldman Sachs", dice Porway.
4. Oscile su nuevo papel
La ciencia de datos se trata de aclarar objetivos, examinar supuestos, evaluar evidencia y evaluar conclusiones. Pero hay una pequeña pieza del rompecabezas que muchas personas pasan por alto. ¿Puedes adivinar qué es? Según Porway, el ingrediente secreto es el pensamiento crítico.
"Realmente distingue a los piratas informáticos de los verdaderos científicos, para mí", dice Porway. "Se sorprendería de cuántas veces he visto a alguien construir un modelo e informar los resultados sin darse cuenta de que no habían pensado críticamente de dónde provenían los datos o si su experimento se diseñó correctamente. Debe DEBE ser capaz de cuestionar cada paso de su proceso y cada número que se le ocurra ".
El camino hacia Big Data
Porway dice que cuando se dio cuenta de la capacidad de usar grandes cantidades de datos para que las máquinas se enseñen a sí mismos, le dejó alucinado. Es esa pasión, y su educación y habilidades, lo que le ayudó a conseguir un trabajo superior en ciencia de datos. Si quieres rockear datos grandes, busca algunos libros, descarga algunos datos y comienza a jugar. Nunca se sabe lo que aparecerá un montón de datos en bruto.
Para una transcripción completa de la entrevista, vaya a DataScientists.Net.