Cuánta difusión ha tenido el dicho: “Todos los caminos conducen a Roma”, al punto que se ha adaptado como parte de nuestro lenguaje cotidiano. De forma particular, su significado puede determinar que existen múltiples caminos para llegar a un objetivo, por lo cual queda a nuestra disposición el explorar nuevas rutas para cumplir con nuestro propósito.
Y este dicho es el punto de partida para este artículo, dado que por medio de su significado, podemos compararlo con el camino que se transita para convertirse en un científico de datos.
Para dar inicio, se afirmará la importancia de Roma y las rutas empleadas para llegar a esta localización mediante la combinación de datos y visualizaciones.
Datos y dichos
La organización Moovel Lab, publicó un mapa con la cartografía del continente europeo mapeando las rutas terrestres que convergen a Roma. Se establecieron 486,713 puntos de partida y mediante la creación de un algoritmo se calculó una ruta para cada viaje; en este sentido, al emplearse una ruta con una mayor frecuencia, se evidenciaría una mayor intensidad en el mapa.
Mapa de las rutas que conducen a Roma:
“Una imagen habla más que mil palabras”; en este caso es evidente que la influencia del imperio romano y la influencia religiosa del Vaticano llegaron a consolidar este punto como uno de los más importantes del viejo continente.
El mapa demuestra que independiente del punto de partida y la ruta escogida, se logrará llegar al objetivo.
El camino es largo pero la recompensa es grande
Ahora vamos a establecer como objetivo el llegar a convertirse en un data scientist y al realizar una comparación con lo previamente examinado, se establece que no existe solo un camino para alcanzar esta meta.
Y la pregunta que nos ronda en la mente es: ¿por qué el perfil del científico de datos es tan valorado en la actualidad? Una de las principales respuestas nos la da la prestigiosa revista Harvard Business Review en su artículo “Data Scientist: The Sexiest Job of the 21st Century” al catalogarlo como un perfil que se busca con una alta demanda por las organizaciones en la actualidad. Esto se debe a la necesidad de las empresas de monetizar sus datos para ganar competitividad y mejorar la toma de decisiones mediante la implementación procesos analíticos.
La búsqueda de las empresas por estos perfiles denominados “unicornios”, por los múltiples conocimientos que se solicitan en el campo de la matemática y estadística, comunicación y visualización, ciencias de la computación y por supuesto el dominio del negocio requerido, ha generado controversia por conocer el mejor perfil que puede desempeñar dichas labores al interior de las organizaciones.
No entraremos en polémica dictaminando el perfil que cumple todas estas cualidades, en su lugar dispondremos que independientemente del perfil o carrera (punto de partida), se puede llegar a completar este trayecto. Si lo ponemos en forma de dicho sería:
“Todos los caminos conducen a Data Science”
En ocasiones por los conocimientos adquiridos en el entorno académico y en la vida profesional, múltiples aspirantes tienen una mayor facilidad durante este camino; mientras que, otros perfiles, requieren dedicar una mayor cantidad de tiempo para completar este objetivo. No obstante, a pesar de que la ruta pueda ser larga la recompensa sería grande.
Te invitamos a revisar las principales áreas de conocimiento para fortalecer tu desarrollo en la Ciencia de Datos.
Ruta de aprendizaje:
Conocimientos:
- Cálculo y algebra lineal
- Estadística descriptiva e inferencial
- Procesos de optimización y dominio de algoritmos
- Manejo de bases de datos (SQL)
- Programación con Python o R
- Limpieza de datos e ingeniería de variables
- Machine Learning y Deep Learning
- Visión por computadora
- Procesamiento del lenguaje Natural
- Manejo de datos masivos – Big Data
- Visualización de datos y Storytelling
Fuentes de consulta:
- Carrera Científico de Datos con Python (databits, 2020). Recuperado de: https://databits.ai/tienda/cursos/python/cientifico-de-datos/
- Roads to Rome (Moovel Lab, s.f.). Recuperado de: https://www.move-lab.com/project/roadstorome/?utm_medium=website&utm_source=plataformaarquitectura.cl
Escoge tu camino hacia Data science con nuestros cursos modalidad “A tu ritmo” donde avanzas como quieras sin fechas y horarios establecidos de clase. Si te interesa conocer lo fundamental de Machine Learning te recomendamos el curso: “Conceptos básicos de Machine Learning”. Por el contrario, si necesitas forzar la parte de Estadística Descriptiva en tus habilidades, te sugerimos tomar el curso nivel intermedio: “Estadística para Ciencia de Datos con Python”.
Autor: Paúl Córdova Vargas.
Coodinador de productos en handytec Academy. Economista con mención en econometría y Máster en Data Science para Finanzas. Cursó sus estudios de tercer nivel en la Pontificia Universidad Católica del Ecuador, sede Quito. También sus estudios de cuarto nivel lo realizó en el Colegio Universitario de Estudios Financieros, campus Madrid. Tiene experiencia en consultoría en el sector empresarial-financiero implementando modelos enfocados en la segmentación de clientes y modelos predictivos de Machine Learning.