Cómo trabajar en Ciencias de Datos en la era AI
Summary
TLDREl trabajo mejor remunerado sigue siendo la intersección entre matemáticas, datos y código, con roles como Data Scientist, Data Engineer y Data Analyst. Aunque la inteligencia artificial y modelos de lenguaje grande están cambiando el panorama, no eliminan la necesidad de conocimientos técnicos. La IA no entiende el negocio ni las palancas clave, por lo que el entendimiento del modelo de negocio es crucial. A pesar de la competencia y el miedo a la falta de empleo, el sector tecnológico sigue demandando talento. La meritocracia existe pero no es justa, y se debe destacar la importancia de habilidades blandas para el crecimiento profesional.
Takeaways
- 🚀 El trabajo mejor pagado sigue siendo en la intersección de matemáticas, datos y código, con roles como Data Scientist, Data Engineer y Data Analyst.
- 🌐 A pesar de los cambios en la industria tecnológica y la inteligencia artificial, el trabajo con datos y ciencias de datos sigue siendo altamente demandado.
- 🧠 Aunque los modelos de lenguaje grandes y la inteligencia artificial están cambiando el panorama, no tienen pensamiento cognitivo y no entienden el negocio ni las palancas clave.
- 📰 La demanda de inteligencia artificial ha impactado la industria periodística, como el caso de OpenAI y New York Times, lo que indica un cambio en los derechos de autor y la distribución de contenido.
- 🛠️ La inteligencia artificial no puede programar cosas nuevas y solo repite código ya existente, lo que limita su capacidad para resolver problemas originales.
- 📈 Las habilidades clave para carreras en ciencias de datos incluyen estadística, Python, SQL, y la capacidad para visualizar y analizar datos de manera efectiva.
- 💡 No se debe detener el aprendizaje por miedo al desempleo o a la competencia, ya que el conocimiento y el crecimiento personal son controlados por uno mismo.
- 🌟 La meritocracia existe pero no es justa, es necesario entender el modelo de negocio y las habilidades blandas para crecer profesionalmente.
- 🔄 Las tendencias tecnológicas cambian constantemente, pero el conocimiento y las habilidades adquiridas perduran y son fundamentales para el éxito a largo plazo.
- 🛑 No se debe dejar de aprender por el miedo a no encontrar empleo inmediato, ya que el mercado y las oportunidades siempre están en evolución.
Q & A
¿Cuál es el trabajo mejor pagado en la intersección entre matemáticas, datos y código?
-El trabajo mejor pagado en la intersección entre matemáticas, datos y código es en el campo de las ciencias de datos o Data Science, incluyendo roles como ingeniero de datos, analista de datos y Data engineer.
¿Cómo ha cambiado la industria de la inteligencia artificial y qué impacto tiene en el mercado laboral?
-La industria de la inteligencia artificial ha cambiado con el surgimiento de grandes modelos de lenguaje como GPT-4 y ChatGPT, que pueden limpiar datos y inferir información numérica en lenguaje natural. Esto ha generado cambios en el mercado laboral, pero no ha eliminado los roles tradicionales; en cambio, ha creado nuevas habilidades y conceptos como la base de datos vectorial y técnicas de insertar datos privados en modelos de lenguaje grandes.
¿Qué es un Data Lake y cómo se relaciona con la gestión de datos?
-Un Data Lake es el nombre dado en la industria a una base de datos que contiene datos de calidad variada, que requiere limpieza y procesamiento para ser útil. Se utiliza para almacenar grandes cantidades de datos crudos antes de que se transformen y carguen (ETL) en sistemas de análisis para su posterior uso.
¿Qué es la ventana de contexto y cómo se aplica en la inteligencia artificial?
-La ventana de contexto es un concepto en inteligencia artificial que se refiere al rango de datos que un modelo de lenguaje grande considera para generar su salida. Es importante para entender cómo el modelo interpreta y responde a la información.
¿Qué es la tendencia actual en el ámbito de la inteligencia artificial y cómo afecta a las carreras profesionales?
-La tendencia actual en inteligencia artificial se enfoca en grandes modelos de lenguaje, como GPT-4 y ChatGPT. Esto ha impactado las carreras profesionales al requerir una adaptación constante al aprendizaje de nuevas habilidades y tecnologías, y ha situado a la inteligencia artificial como un tema central en la educación y el desarrollo de talento.
¿Qué pasó con New York Times y Open AI en 2024?
-En 2024, New York Times demandó a Open AI por clonar y copiar directamente todos los artículos públicos de la publicación en su modelo de datos, lo que sugiere un cambio en la forma en que se manejan los derechos de autor y la propiedad intelectual en el contexto de la inteligencia artificial.
¿Por qué se recomienda no dejar de aprender a pesar de los cambios en el mercado laboral?
-Se recomienda no dejar de aprender porque el conocimiento y las habilidades son el control personal y la clave para el crecimiento y la adaptación en un mercado laboral en constante cambio. El aprendizaje es la única cosa que está 100% en control personal y puede hacer una diferencia en el éxito profesional.
¿Cuál es la diferencia entre un Data analyst y un Data scientist?
-Un Data analyst se enfoca en el análisis y visualización de datos para obtener insights, mientras que un Data scientist trabaja en la creación y aplicación de modelos de aprendizaje automático y otros métodos avanzados para resolver problemas complejos y predecir tendencias.
¿Qué habilidades son fundamentales para una carrera en ciencias de datos o ingeniería de datos?
-Las habilidades fundamentales incluyen la programación en Python, la gestión de datos con SQL, la comprensión de estadística y probabilidad, y el manejo de la terminal y línea de comandos para trabajar con sistemas basados en Linux.
¿Qué es la meritocracia y por qué es importante entender su papel en el crecimiento profesional?
-La meritocracia se refiere al sistema en el cual los que tienen habilidades y talento son recompensados con oportunidades de crecimiento y éxito. Es importante entender que, a pesar de su existencia, no es justa y uno tiene que entender el juego, pedir lo que quiere y destacar habilidades blandas para crecer en su carrera.
¿Qué cursos son importantes para aprender matemáticas aplicadas a ciencias de datos?
-Los cursos importantes para aprender matemáticas aplicadas a ciencias de datos incluyen la ruta de matemáticas para Machine Learning con Python, que cubre fundamentos de matemáticas, álgebra, funciones, y otros conceptos esenciales para el análisis de datos y la inteligencia artificial.
¿Cómo pueden las habilidades de comunicación y liderazgo impactar la carrera profesional en el campo de la inteligencia artificial?
-Las habilidades de comunicación y liderazgo son cruciales para解释想法, liderar proyectos y trabajar efectivamente en equipo. Estas habilidades blandas pueden abrir puertas a oportunidades de crecimiento y ayudar a destacarse en un entorno competitivo en el campo de la inteligencia artificial.
Outlines
🚀 El futuro de las carreras en ciencias de datos y la Inteligencia Artificial
Este párrafo discute cómo las carreras en ciencias de datos siguen siendo altamente demandadas y mejor remuneradas, a pesar de los cambios en la industria tecnológica y la Inteligencia Artificial (IA). Se menciona el impacto de las grandes modelos de lenguaje en la automatización de tareas y cómo la IA no reemplazó completamente ciertos roles, sino que creó nuevas oportunidades. Además, se aborda la importancia de entender el modelo de negocio y cómo la IA no tiene pensamiento cognitivo, lo que limita su capacidad para comprender la lógica empresarial.
🎓 La importancia de la educación continua en el ámbito tecnológico
Este segmento enfatiza la importancia de continuar aprendiendo en el campo de la tecnología, a pesar de los cambios rápidos y la percepción de que ciertos trabajos están en declive. Se sugiere que, en lugar de rendirse, se debe mejorar el nivel de habilidad y conocimiento. Se menciona la persistencia de la tecnología como una de las industrias con más demanda de talento, y se desaconseja escuchar el consejo de dejar de aprender programación o ciencias de datos debido a la creciente competencia y la influencia de la IA en el mercado laboral.
📈 Carreras clave en ciencias de datos y cómo alcanzarlas
Este párrafo se centra en las carreras clave en el ámbito de las ciencias de datos, como Data Science, Data Analyst y Data Engineer, y cómo alcanzarlas a través de la educación continua y la mejora de habilidades técnicas. Se sugiere que, a pesar de la competencia y el miedo a la saturación del mercado, el conocimiento y las habilidades en áreas como estadística, programación (especialmente Python), SQL y habilidades de visualización de datos son fundamentales para el éxito en estas carreras.
🌐 Tendencias en tecnología y la importancia de la adaptabilidad
Este segmento discute cómo las tendencias tecnológicas cambian rápidamente, pero el conocimiento y las habilidades adquiridas perduran con el tiempo. Se menciona la importancia de adaptarse a estas tendencias y de seguir aprendiendo para mantenerse relevante en el mercado laboral. Además, se habla sobre la meritocracia y cómo, a pesar de su existencia, no es justa y requiere de habilidades blandas para destacar y progresar en la carrera profesional.
Mindmap
Keywords
Please replace the link and try again.
Highlights
El trabajo mejor pagado sigue siendo la intersección entre matemáticas, datos y código, con Data Science siendo una de las profesiones más demandadas.
A pesar de los cambios en la industria tecnológica y la inteligencia artificial, el trabajo de ciencias de datos sigue siendo altamente valorado.
Los roles de Data Engineer, Data Analyst y Data Scientist son ejemplos de profesiones dentro del campo de las ciencias de datos.
La extracción, transformación y carga (ETL), la limpieza de datos y los Data Lakes siguen siendo conceptos relevantes en la industria.
Los modelos de lenguaje grande como Mistral, Falcon, Llama, BART y GPT-4 están cambiando la forma en que se manejan y procesan los datos.
Las inteligencias artificiales no tienen pensamiento cognitivo, pero son poderosas y están en el centro de la tecnología actual.
La inteligencia artificial no entiende un negocio ni sus palancas, lo que hace que los data scientists profesionales sean valiosos.
El consejo de no aprender programación o ciencias de datos debido a la escasez de empleo es incorrecto, ya que la tecnología sigue siendo una de las industrias que más contrata.
El hecho de que se contraten menos talentos junior indica la necesidad de estudiar más y no rendirse ante el miedo de perder.
Aprender es lo único que está 100% bajo control y hace una diferencia, mientras que otros factores como el estado del mercado no lo están.
La inteligencia artificial puede limpiar datos y inferir información numérica en lenguaje natural, pero no puede programar cosas nuevas o solucionar problemas originales.
La demanda de profesionales en ciencias de datos, analistas de datos e ingenieros de datos (Data Science, Data Analyst y Data Engineer) es muy alta.
Para comenzar una carrera en Data Science o Inteligencia Artificial, es importante seguir una guía adecuada y aprender las habilidades necesarias.
El conocimiento de Python es fundamental para la programación en ciencias de datos y la inteligencia artificial.
La habilidad para trabajar en terminal y con Linux es esencial para una buena carrera en tecnología.
El manejo de SQL es una habilidad clave para realizar consultas en bases de datos y es fácil de aprender.
La visualización de datos es crucial para obtener insights y nuevas ideas que sirvan para el modelo de negocio.
La inteligencia artificial no es solo sobre grandes modelos de lenguaje, y hay多种多样的 inteligencia artificial para diferentes casos.
La meritocracia existe pero no es justa, y es importante entender cómo funciona la estructura humana en el lugar donde trabajas.
Las habilidades blandas como la comunicación, el liderazgo y la inteligencia emocional son igualmente importantes en el crecimiento profesional.
Las tendencias tecnológicas son cíclicas, pero el conocimiento y la educación perdura, por lo que se debe continuar aprendiendo.
Transcripts
el trabajo mejor pagado sigue siendo la
intersección entre matemáticas datos y
código hoy en día una de las formas en
las que le llamamos ese trabajo es
ciencias de datos o Data Science pero
también hay otros roles ingeniero de
datos analista de datos Data engineer
Data analyst y sin la menor duda sigue
siendo el trabajo mejor pagado Incluso
en una época de despidos masivos en
industria de la tecnología Incluso en la
época de la Inteligencia artificial si
es verdad que la industria ha cambiado Y
sí es verdad que la realidad de Este
mercado ha cambiado antes hablábamos de
conceptos que Ah siguen siendo
relevantes como extracción
transformación y carga etls la limpieza
de los datos los Data Lakes para los que
no lo sepan Data Lake es el nombre que
le damos en la industria a cuando la
base de datos Está tan mala que nos toca
meterla entre muchas otras bases de
datos malas para luego limpiar los datos
sharding que es dividir datos muy
grandes o normalización que es es el
trabajo bien desde el primer momento
como les decía sin embargo si es verdad
que los que la Inteligencia artificial y
en particular los large Language models
o modelos grandes de lenguajes
expresados con Mistral falcon Lama eh
Bart bueno Bart es una implementación de
gemini de Google Y por supuesto gpt 4 el
gener PR Transformer y el más popular de
todos chat gpt esto cambió Porque estos
son sistemas que automáticamente son
capaces de limpiar datos esos son
sistemas que automáticamente son capaces
de inferir información numérica en
lenguaje natural Así que cambió mucho
pero no lo modifica no lo elimina sí que
hace cosas nuevas Entonces ahora tenemos
que saber de conceptos como find
la ventana de contexto una base de datos
vectorial una base de datos vectorial
para los que no lo sepan es agarrar un
montón de datos y volverlos numeritos de
proximidad para que los datos privados
de tu compañía se puedan interpretar
dentro de un gran modelo de lenguaje
Lora que es una forma adaptativa de
ranquear con pocos parámetros el
entrenamiento de un modelo de de
lenguaje o rack que es otra técnica de
insertar datos privados dentro de un
modelo grande de
lenguaje dicho eso la Inteligencia
artificial no tiene pensamiento
cognitivo hay cero tecnologías que le
estén apuntando a que la Inteligencia
artificial tenga pensamiento cognitivo
hoy cero la Inteligencia artificial es
muy poderosa chat gpt es muy
impresionante los experimentos que se
están haciendo con diferentes otras
plataformas allá afuera Son increíbles y
cada vez más empiezan a tener unos
efectos emergentes fascinantes e
interesantes pero no existe ninguna
empresa en este momento que yo trabajo
es voy a crearle procesos definitivo son
una Inteligencia artificial lo que hacen
son cosas diferentes y es importante
entenderlo también la Inteligencia
artificial no entiende un negocio ni sus
palancas y honestamente el deira
scientist promedio tampoco Y esto es lo
que hace la diferencia entre los deira
scientist profesionales y los que no
entender el modelo de negocio de la
empresa donde trabajan y cuáles son las
palancas a mover que pueden realmente
cambiar ese modelo por otro lado la
Inteligencia artificial en 2024 va a
cambiar esta semana el New York Times
demandó a Open Ai porque descubrieron
que Open y estaba directamente y de una
manera descarada clonando y copiando
todos los artículos públicos de New York
Times en su modelo de datos y
expresándolos de una manera directa eso
significa que las cosas van a cambiar y
van a cambiar muy duro ustedes dirán
pero por qu este Man solamente habla de
Inteligencia artificial y es porque la
Inteligencia artificial es una realidad
es porque es está en el centro de la
tecnología no se trata de que la
Inteligencia artificial esté
popularizada es como cuando sale el
iPhone todos Hablamos de computación
móvil o es como cuando sale internet
todos hablábamos de internet o
obviamente vamos a hablar de
Inteligencia artificial y de la forma en
la que afecta y cambia nuestras carreras
obviamente de hecho sería irresponsable
que una empresa educativa no hable de la
cosa singular que cambia el proceso de
Educación y eso me trae un tema y es el
tema de cómo hemos abordado la
Inteligencia artificial les han
aconsejado no aprender programación o
ciencias de datos Porque hay menos
empleo se los han aconsejado últimamente
alguien yo he visto muchos casos
últimamente de de personas que reciben
este consejo Uy No usted para qué se va
pone a aprender a programar si ya no hay
empleo ya no están contratando Juniors y
la pregunta que yo les Quisiera hacer es
esta menos empleo relativo a
qué relativo al empleo que hay por
ejemplo administración de empresas hay
menos empleo en programación y hay menos
empleo en ciencias de datos Y sigue
siendo mucho más del empleo que hay en
administración de empresas o en
contabilidad o en el derecho o en una
infinidad de carreras
la tecnología sigue siendo una de las
Industrias que más contrata y que más
necesita talento y si es verdad se
contratan menos talento Junior entonces
lo que hay que hacer es no ser talento
Junior estudiar un poco más eso porque
es un problema lo que pasa es que
nosotros reaccionamos mucho más al miedo
de perder que a la emoción de ganar y
cuando reaccionamos más a ese miedo de
perder versus la emoción de ganar
entonces pues tomamos decisiones que sí
son estúpidas Como por ejemplo dejar de
aprender Y el de dejar de aprender nos
pone una desventaja inmensa inmensa con
respecto al resto aprender es la única
cosa que está 100% de nuestro control y
sabemos que hace una diferencia las
otras como el estado del mercado no lo
están Y si no te están contratando
porque no tienes suficiente nivel lo
correcto no es rendirte y dedicarte a
sacar fotocopias lo correcto es Elevar
tu nivel desde que es de lo que vamos a
hablar el día de hoy también me gustaría
preguntarles esto cuando ustedes les
dicen que no estudien porque no hay
empleo ustedes respetan la carrera y el
éxito de la persona que les dice est
Porque si ustedes están recibiendo
consejos de alguien a quien ustedes no
aspiran ser pues quizás la están
Así que hablemos de cómo no hacerlo y
hablemos de tres grandes carreras y Cómo
llegar a ellas ciencias de datos
analista de datos e ingeniero de datos
Data Science Data analyst y Data
engineer estas tres versiones tienen
mucha mucha demanda muchísima demanda
les voy a contar cómo volverse estas
tres cosas en el contexto de cursos que
existen en plats pero quiero que me
entiendan algo no les quiero decir que
solamente aprendan en platzi no
significa que platzi es la única opción
y de hecho sería ridículo estudiar en un
solo lugar platzi es una opción que
tiene un precio que les permite estudiar
con platzi y con muchas otras cosas
platzi es como algo que siempre está ahí
para ustedes ese hogar profesional donde
regresan a encontrar el camino pero por
supuesto que lo tienen que combinar con
muchas otras cosas a pesar de que se los
voy a mostrar en el contexto de cursos
de plats lo que quiero que vean son dos
cosas uno si ustedes estuvieran plats
Cuál es el camino que deberían seguir y
dos si no lo van a estudiar en platzi De
qué manera estudiarlo correctamente
Ahora yo sí claramente voy a creer que
plats es el camino más corto para
lograrlo porque para eso trabajamos Así
que aquí vamos primero que todo nosotros
tenemos una guía para empezar una
carrera en Data Science e Inteligencia
artificial es un curso que se llama así
guía para empezar tu carrera y el curso
ahonda en los tres categorías que uno
tiene para poder avanzar en la categoría
de analista de datos de científico de
datos o de ingeniero de datos más o
menos en este orden les pagan bueno
estos dos ganan parecido este le este
gana menos y y esto me recuerda
muchísimo a qa a la gente que hace
eh control de calidad del software y que
hacen pruebas de calidad del Software
mucha gente quiere ser qa muchísima más
gente quiere ser qa de lo que de los que
quieren ser programadores Y saben por
qué porque les da miedo programar porque
creen que no pueden porque creen que
programar es muy difícil porque creen
que las matemáticas no es lo de ellos o
porque creen que no lo van a lograr y en
cambio creen que va a haber más empleo
pero la realidad es que hay mucho menos
empleo de qa del que hay de
desarrollador de software y lo mismo
pasa en estos casos hay mucho menos
empleo y es meno es peor pagado en Data
analyst y esos empleos que están más
amenazados por Ai de lo que hay en Data
scientist o de engineer a lo que voy es
no paren no paren de aprender no paren
no frenen su carrera o no aspiren a
poquito cuando no le apunta las
estrellas por lo menos llega la luna
cuando ustedes le están apuntando a
carreras de entrada pues Por supuesto
que van a sufrir apúntenle más arriba
también ocurre que en este momento uno
le puede soltar a una Inteligencia
artificial en un archivo de Excel y por
ejemplo aquí le dije de esta actividad
lo teme los problemas que el portafolio
incluy los charts y hágalo por mis
estudiantes de platzi y la Inteligencia
artificial empieza a programar empieza a
hacer código en python y hacer ciencias
de datos Y no es como Wow esto Cómo va a
cambiar mi carrera y esto ya pasa esto
no es mañana pero hay que saber que la
Inteligencia artificial no sabe
programar cosas nuevas Solamente repite
código que ya existe cuando Ed intentan
solucionar problemas que en otros
lugares ya se han solucionado Ai les
genera el código cuando intentan
solucionar problemas nuevos Ai no genera
buen código y se rompe y es
impresionante Entonces lo primero que
hay que hacer es aprender la
programación necesaria para ciencias de
datos que es básicamente python ahí
tenemos una ruta nosotros lo llamamos la
ruta de entorno de trabajo para Data e
Inteligencia artificial donde les damos
los fundamentos de python cómo empezar a
entender la línea de comandos entornos
de trabajo tanto con notebook que es una
forma de hacer ciencias de datos sin
tener que estar programando etcétera
súmele A eso que la Inteligencia
artificial comete errores todo el tiempo
a mí me sale este avisito de ir error
analyzing y entonces pues la cosa está
escribiendo código malo y Ah Aquí les
quiero Resaltar dos cursos en particular
o dos habilidades en particulares que
creo yo son fundamentales la primera es
terminal y línea de comandos toda la
gente que yo respeto trabaja en terminal
con Linux Linux y terminal son
conocimientos fundamentales para tener
una buena carrera no te contratan
probablemente no sabes Linux no puedes
no puedes triunfar apunt solo Windows o
apunt solo Mac necesitas saber Linux y
necesitas saber cómo dominar la terminal
no solamente lanzar uno que otro Comando
sino operar un computador entero
solamente con terminal es necesario
puedes encontrar la ruta las rutas los
nombres de las rutas los googleanalytics
curso yo lo amo y este curso es
fundamental muchas personas se quedan
simplemente con el comit Push Pull y ya
está y git es una herramienta hiper
poderosa y fundamental necesaria Ustedes
deben dominarlo ya que tienen eso
hablemos de las tres verdaderos skills
de las tres carreras deir de eng y
analis son tres la estadística python Y
sql ustedes pueden pueden pasar los años
puede salir una Inteligencia artificial
en nivel Dios y vamos a seguir
necesitando estadística
python y sql la estadística matemáticas
pero no son matemáticas complejas no son
matemáticas duras y son matemáticas que
te van a servir para toda la vida la
estadística por ejemplo te explica que
si estás buscando un apartamento después
de que ves más o menos unos seis a siete
apartamentos a partir del octavo en el
momento en el que vas uno que te guste
ya tienes un sample estadístico de cómo
son todos los apartamentos de la zona y
ya sabes cuál elegir no necesitas Ver 20
no necesitas ver 50 por qué toma los
cursos de estadística Y aprende
estadística tenemos esta ruta que se
llama la ruta de matemáticas para
Machine learning con python y a pesar de
que se llama matemáticas para Machine
learning con python es una ruta de
matemáticas te enseñamos fundamentos de
matemáticas álgebra funciones
matemáticas Te la puedes saltar no
tienes que tomarlo todo es una ruta
larga son múltiples cursos También
tenemos los cursos de estadística y
probabilidad las matemáticas para
ciencias de datos con estadística
descriptiva etcétera etcétera Pero aquí
te ayudamos muchas personas dicen Uy
pero es que en es en la carrera donde
uno aprende matemáticas no no hay nada
especial tú puedes aprender matemáticas
con un li con lo que quieras aquí
nosotros te lo agregamos con gráficos
con videos con sistemas con ejemplos
aplicados a mí Parece que esta es una
muy buena forma de aprender matemáticas
también está por supuesto eh el álgebra
lineal y el cálculo esta parte de
álgebra lineal y el cálculo sí puede ser
un poquito complicada pero no es tan
complicada yo era muy malo en
matemáticas en la universidad pero
malísimo y Yo no entendía un una
vez que empecé a trabajar en plats Y
empezamos a hacer esto y empecé a ver
los cursos de matemáticas se me abrió la
mente porque me di cuenta que era que en
la academia en en la universidad donde
Yo estudié Yo estudié en dos
universidades una de ellas la más
prestigiosa del país donde crecí asumían
que yo entendía cosas que el colegio
nunca me enseñó Y entonces por ejemplo
yo nunca entendí De dónde sale el número
pi una vez lo entendí fue como claro y
eso es una ecuación polar nunca entendí
para qué aplicar un área bajo la curva
no por lo menos y tengan en mente de
nuevo yo fui a la mejor Universidad de
este país mi colegio sí era bastante
malo y esa es la realidad de la gran
mayoría de los latinoamericanos las
pruebas pisa nos demuestran que
latinoamérica está en problemas grandes
en matemáticas en la academia las
academias hacen su mejor esfuerzo las
universidades colegios etcétera hacen lo
mejor que pueden pero una vez uno está
graduado es responsabilidad de uno
corregir estos problemas y a cualquier
edad se puede aprender matemáticas yo
aprendí en mis 30s a dominar por primera
vez cálculo de verdad y me hace sentir
muy bien luego está sql sql es refácil
Es como una especie de lenguaje de
programación para hacerle consultas a
bases de datos structured query Language
significa lenguaje estructurado de
consultas es refácil ustedes pueden
aprender es la ruta super cortita
aprenden fundamentos de bases de datos
práctico sql y la base de datos más
poderosa que hay postgres y con postgres
ustedes lo pueden expandir para otros
lados tienen que aprender visualización
de datos Entonces esta ruta de
visualización de datos con python Les
enseña a mostrar los datos la ciencias
de datos no sirven De nada si no se
obtienen insights si no se obtienen de
repente nuevas ideas y nuevas
perspectivas del análisis de los datos
las ciencias de datos no es capturar una
base de datos no es limpiarla no es
generar un gráfico es Mostrar un
análisis del cual se emergen nuevas
ideas que sirven para un modelo de
negocio Ese es el
objetivo si ustedes no logran ese
objetivo no están logrando trabajar en
ciencias de datos desde ninguna
perspectiva entonces tienen que aprender
a visualizar los resultados de los datos
muchas personas cometen este error de
enamorarse de una manera obsesiva de la
parte técnica o incluso de la parte
matemática que es importante pero nunca
la conectan con el negocio No es
opcional si ustedes no conectan lo que
hacen con el negocio no son científicos
de datos no son nada son un operario de
código y entonces no van a triunfar en
sus carreras tienen que tener un interés
por el modelo de negocio del lugar donde
trabajan y para ello es algo tan simple
como empezando a visualizar lo que lo
que aprenden quiero Resaltar acá un par
de cursos que tiene esta ruta uno es el
curso de principios de visualización de
datos para business intelligence entre
otras cosas les enseñan
eh Cómo elegir el gráfico correcto a
veces un gráfico no es el gráfico
correcto y también el curso deción de
datos con mat plot lea y con cbor que
son herramientas especializadas para
plotear estos datos luego está el
análisis y la manipulación de datos con
python esto ya es el manejo de grandes
grandes cantidades de datos esto es muy
chévere porque existen muchas
herramientas que no son necesariamente
Inteligencia artificial pero que les
permite transformar y manipular datos
matemáticos de texto numéricos datos no
estructurados es super interesante eh
aquí quiero Resaltar algunos cursos que
que mencionan por ejemplo la
transformación de datos con pandas y
npai el análisis de exploración de datos
la configuración del entorno ustedes ya
se lo saben Cómo manejar datos faltantes
es posible emerger datos faltantes del
de los datos existentes y también hay un
concepto que se llama imputación esos
son cursos avanzados típicamente las
personas dicen plat no tiene cursos
avanzados pero lo que realmente pasa es
que no los encuentran aquí están en esta
ruta y luego está Inteligencia
artificial por supuesto y hay que
mencionar que los grandes modelos de
lenguaje no es lo mismo que Inteligencia
artificial son parte de la Inteligencia
artificial pero un large Language model
no sirve para todo hay muchos tipos de
Inteligencia artificial que se usan en
diferentes casos platy por ejemplo usa
llms pero nosotros también tenemos
nuestro propio orquestador de
Inteligencia artificial que no está
basado en llms y que nos sirve mucho
para explicar el problema Entonces Esa
es la ruta todas estas rutas ya están lo
único que ustedes tienen que hacer es ir
a buscarlas busquen plats y el nombre de
la ruta y ya ya mismo están disponibles
Machine learning con python Machine
learning con python Les enseña a hacer
aprendizaje de macina en Inteligencia
artificial de principio hasta el punto
donde están haciendo operaciones de
Machine learning tuneando un large
Language model implementando grandes
modelos de Inteligencia artificial
profundiza duro muestran los diferentes
mecanismos con py kit learn con pandas
con decision trees Random Forest
despliegue de modelos diferentes tipos
de proyecto Cómo ponerlos en producción
es una ruta muy completa por último les
quiero mencionar que la meritocracia
existe pero no es justa lo que significa
que debes aprender el juego No importa
que entiendas el modelo de negocio y no
importa que tengas conocimientos de
ciencias de datos o que teng haas
estudiado en ingeniería y tengas los
títulos que quieras tener sí no
entiendes Cómo funciona la estructura
humana del lugar donde trabajas otro
error muy común sobre todo de las
personas que se obsesionan con la parte
académica es un fenómeno que yo no sé
cómo qué nombre ponerle sin hacer sentir
mal a las personas pero pero es más o
menos el fenómeno de la inteligencia
frustrada las personas que saben que son
inteligentes y que saben que tienen
talento y que ese talento no es
recompensado con plata que no les dan
dinero al cambio de ello que no crecen
en la compañía que se quedan estancadas
o estancados en sus carreras y es porque
la meritocracia existe pero no es justa
uno tiene que pedir lo que quiere uno lo
tiene que pedir y en ocasiones el
mercado está mal Como en este momento el
mercado está mal y en esos casos hay que
Resaltar la forma de Resaltar es con
habilidades blandas hay una ruta que
nosotros tenemos que es la ruta de
comunicación y oratoria en esa ruta les
enseñamos a hablar en público a
comunicarse de una manera efectiva y
asertiva a autoliderarse y a liderar a
otros inteligencia emocional como dar y
recibir feedback Cómo hacer
presentaciones para tus directivos Cómo
presentarte Y cómo Elevar tu nivel Cómo
hacer buen networking y no es opcional
un humano tiene que ser multifacético y
tener múltiples skills ustedes tienen
que ser capaces de todo tengo ansiedad
me importa un lo tienes que hacer
yo también yo tengo
diagnosticador generalizado de ansiedad
y hago un programa en vivo todos los
jueves para miles de personas así que si
yo puedo ustedes pueden todo el mundo
puede me importa un esto es la
cosa que te va a hacer crecer y también
es la cosa que te está deteniendo de
crecer más en la vida así que deja de
escapar y Tomasa ruta se llama la ruta
de comunicación hiatoria y te explica
cómo jugar el juego y no es tan difícil
esto probablemente te va a hacer crecer
mucho más en tu carrera que aprender
otro lenguaje de
programación por último no olviden que
las tendencias son péndulos ahorita la
tendencia es large Language mod
Inteligencia artificial antes la
tendencia era psych it learn por un
tiempo la tendencia fue Big Data las
tendencias son péndulos pero el
conocimiento perdura Así que sigue
cultivando tu mente y nunca pares de
aprender
Ver Más Videos Relacionados
“La inteligencia artificial necesita perfiles de humanidades”. Cristina Aranda, filóloga experta IA
¿Qué es el SaaS o Software as a Service?: 3 Dimensiones
Modelización de datos en Big Data
Inteligencia Artificial: ¿Amiga o Enemiga? | Diego Fernández Slezak | TEDxRiodelaPlata
Inteligencia Artificial VS Diseñador Gráfico (QUÉDATE AL FINAL) | Geekformante
CEO vs CIO: El reto de la transformación TI
5.0 / 5 (0 votes)