Cómo trabajar en Ciencias de Datos en la era AI

Summary

El 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

00:00

🚀 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.

05:00

🎓 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.

10:01

📈 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.

15:02

🌐 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.

Keywords

The video is abnormal, and we are working hard to fix it.
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