Científica de datos: ¿cómo construí mi carrera?

0

Científico de datos lleva años en la lista de carreras más populares pero, ¿cómo se llega a ser científica de datos?

¿Qué es un científico de datos?

Bueno, mi viaje para convertirme en científica de datos no fue un viaje intencional, pues no empecé con un plan para terminar en una carrera de ciencia de datos. De hecho, acabé haciendo ciencia de datos durante años, aun antes de darme cuenta de que tenía un nombre.

¿Qué es un científico de datos?

Los científicos de datos han sido descritos como una mezcla entre matemáticos e informáticos, con curiosidad por resolver problemas inexplorados. Hay muchas descripciones de puestos de trabajo de científicos de datos, pero creo que esta descripción lo resume todo. Si quieres saber más sobre lo que significa ser un científico de datos, te recomiendo el artículo What is a data scientist?

Son en parte matemáticos, en parte científicos en computación y en parte observadores de tendencias.

Data Science: prepárate para ser científico de datos

¿Por dónde empecé? Matemáticas

Camino de tierra a lo largo de una ladera verde y exuberante.

Foto de Justin Kauffman en Unsplash

Si tuviera que señalar el comienzo de mi viaje en la ciencia de datos, tendría que decir que empezó con el amor por las matemáticas. Empecé la universidad como estudiante de matemáticas y, por poco tiempo, tuve la idea de que iba a ser matemática.

Mi programa de matemáticas exigía una clase de introducción a la informática, a la que asistí en mi primer semestre y en la que conocí a mi eventual asesor de licenciatura. Como parte de la clase, se reunió con cada persona individualmente para hablar de los objetivos para la clase y la carrera de cada uno. En esa reunión, me mostró las oportunidades de trabajo (y los salarios) de un matemático frente a un informático. Digamos que las ciencias de la computación parecían más prometedoras y, como alguien que siempre quiso decir que era científico, me convencieron.

Poco después de esa clase, empecé a investigar con ella. Utilicé el aprendizaje automático o machine learning para predecir el consumo fraudulento de energía, lo que continuó hasta que me gradué y me llevó a aplicar a programas de doctorado. Para ese momento ya había estado haciendo y amando la ciencia de los datos, pero todavía no era consciente de ello.

¿Un científico de datos necesita doctorado?

Me presenté a varias escuelas de posgrado y decidí buscar laboratorios que trabajaran con datos educativos. La educación me brindó muchas oportunidades, y quería poder contribuir a una investigación que hiciera la educación más accesible y asequible para otros. Después de recibir cartas de aceptación y rechazo, me puse en contacto con una profesora de investigación de una de las escuelas en las que fui aceptada, cuya investigación se centraba en los datos educativos. Me reuní con ella y tomé la decisión de incorporarme a su programa de doctorado de cinco años.

Puede que a estas alturas te preguntes si necesitas un doctorado para convertirte en un científico de datos y la respuesta es, como siempre, depende. La ciencia de los datos es una carrera en rápida expansión y existen múltiples niveles de científicos de datos. Algunos puestos pueden requerir un doctorado, pero encontrarás muchos más que solo buscan un conjunto de habilidades concretas y experiencia analítica.

¿Academia o industria?

Durante el programa, aprendí sobre el diseño y la configuración de experimentos, técnicas de análisis avanzadas y más sobre aprendizaje automático o machine learning. Después de terminar los requisitos del curso en los dos primeros años, pasé la mayor parte de mi tiempo haciendo análisis de datos y escribiendo los resultados para trabajos académicos.

Aquí también descubrí el amor por la enseñanza al ser instructora. Soñé con la idea de convertirme en profesora de investigación, pero después de presenciar el día a día de los profesores, empecé a dudar de que me gustara como carrera. Así pues, sería la industria.

Por suerte, descubrí que la oportunidad de enseñar se extiende mucho más allá del mundo académico; después de todo, la gente quiere aprender sobre la ciencia de los datos. En mi trabajo actual en SAS, dentro del departamento de Educación, enseño y diseño cursos para nuestro aprendizaje automático y herramientas analíticas, aunque paso la mayor parte de mi tiempo haciendo el típico trabajo de ciencia de datos.

Utilizo prácticamente todas las habilidades que aprendí en mi programa de doctorado, incluidas las que aprendí trabajando con datos educativos. En el día a día, trabajo en el diseño, la supervisión y el análisis de experimentos para resolver problemas empresariales. También dedico una cantidad considerable de tiempo a realizar una variedad de tareas de procesamiento de datos, desde la limpieza hasta la ingeniería de características, así como la visualización de datos para ayudar a informar y mejorar los procesos internos en el equipo de SAS Education.

¿Cuáles son los retos de la transición del mundo académico al industrial?

Nuevo dominio, nuevo público y, lo más importante, ¡nuevos objetivos!

La transición del mundo académico a la industria fue, para mí, un proceso relativamente fácil; sin embargo, hubo algunos desafíos.

El mayor reto que tuve fue cambiar mi mentalidad en lo que respecta a los objetivos analíticos. En comparación con el mundo académico, donde el proceso de análisis que se sigue para responder a una pregunta es tan importante como el objetivo (responder a la pregunta de investigación), en la industria el objetivo tiende a ser el centro de atención. Para mí, esto significó actualizar la forma de comunicar los resultados y sus implicaciones. También tuve que aprender un dominio completamente nuevo (operaciones comerciales) y cómo comunicar los resultados a un público no técnico.

Entender las necesidades de su empresa es por mucho el reto más difícil, por lo que hacer preguntas es la clave. Presentar tus interpretaciones o inquietudes sobre el objetivo es crucial para hacer bien el trabajo. Si eres alguien que está en proceso de transición del mundo académico al industrial, prepárate para adaptarte a nuevos procesos y cambiar tu mentalidad para acomodarte a la resolución de los retos empresariales, pues los objetivos en la empresa serán diferentes a los de la investigación académica.

¿Estás interesada en convertirte en una científica de datos?

Si estás interesada en convertirte en una científica de datos, pregúntate: "¿soy el tipo de persona que profundiza en el problema para encontrar la respuesta, generando a menudo otras preguntas y respuestas en el proceso?" o "¿prefiero centrarme en cuestiones más definidas y directas?". ¿Sientes que eres del primer tipo? Consulta SAS Academy for Data Science (es gratis durante 30 días).

Día Internacional de la Mujer - 8 de marzo

En honor al Día Internacional de la Mujer, celebrado el 8 de marzo, me gustaría dar las gracias a todas las mujeres poderosas que han apoyado mi trayectoria.

He conocido a muchas mujeres inspiradoras en el camino. Tanto mis asesoras de licenciatura como de posgrado eran mujeres, así como mi actual jefa, y estoy increíblemente agradecida por haber tenido a estas líderes a quienes admirar.

Share

About Author

Christa Cody

Analytical Training Consultant

Christa Cody, Ph.D. is an Analytical Training Consultant in the SAS Education Advanced Analytics division. She provides training and course development for Advanced Analytics topics. In addition, she is a part of the Education data science team that works to improve Education efforts at SAS. She received a Ph.D in Computer Science from North Carolina State University in 2020 and has worked at SAS since 2019.

Leave A Reply

Back to Top