Cómo trabajar en Ciencias de Datos en la era AI

Summary

The video script discusses the high-paying field of Data Science and related roles such as Data Engineer and Data Analyst, emphasizing their continued demand despite industry changes. It highlights the impact of AI, particularly large language models like GPT-4 and Google's Gemini, on data handling and job roles. The speaker advises against the notion of reduced job opportunities in tech, advocating for continuous learning and skill enhancement. The script also covers the importance of understanding business models and the role of soft skills in career growth, suggesting that while AI is powerful, it lacks cognitive thought and cannot replace the strategic understanding of business professionals.

Takeaways

• 💼 The best paid jobs continue to be at the intersection of mathematics, data, and code, with roles such as Data Scientist, Data Engineer, and Data Analyst remaining highly paid even in times of mass layoffs in the tech industry.
• 🔍 The speaker emphasizes that the reality of the job market has changed, with concepts like ETL, data cleaning, and Data Lakes still being relevant, but AI and large language models are now capable of automatically cleaning and interpreting data, which changes the landscape.
• 📚 There is a shift in required knowledge towards understanding concepts like context windows, vector databases, and techniques for embedding private data into large language models, as AI is becoming more integrated into data science roles.
• 🧠 The speaker clarifies that AI does not possess cognitive thought and that there are no current technologies aiming for AI to achieve cognition, highlighting the difference between AI capabilities and human understanding.
• 🏢 Understanding the business model and the levers to move within a company is what differentiates professional data scientists from others, which is crucial for making a real impact.
• ⚖️ The speaker discusses a legal case involving AI and data usage, where The New York Times sued Open AI for copying articles, indicating upcoming changes in how AI handles data.
• 🚫 There is advice against learning programming or data science due to perceived lack of jobs, but the speaker argues that these fields still have more job opportunities compared to many other careers.
• 📈 The speaker encourages continuous learning and self-improvement, stating that not being hired often means one needs to elevate their skills rather than giving up.
• 🛠️ The speaker mentions the importance of learning necessary programming skills for data science, such as Python, and highlights the significance of understanding command lines and using Linux.
• 📊 Statistics, Python, and SQL are identified as fundamental skills necessary for a career in data science, regardless of the level of AI integration.
• 🤝 Soft skills are also crucial for career growth, including communication, public speaking, emotional intelligence, and networking, which can help stand out in a competitive job market.

Q & A

What is considered the best paid job currently?

The best paid job is at the intersection of mathematics, data, and code, which is often referred to as Data Science or related roles such as Data Engineer and Data Analyst.

What is a Data Lake in the context of the industry?

A Data Lake is a term used in the industry to describe a database that is so disorganized that multiple other poorly organized databases are combined to later clean the data.

What is the impact of large language models like BART on the field of data?

Large language models like BART have changed the field as they are capable of automatically cleaning data and inferring numerical information in natural language.

What does the speaker suggest about the current state of artificial intelligence in terms of cognitive thought?

The speaker suggests that as of now, artificial intelligence does not possess cognitive thought and there are no technologies currently aimed at giving AI cognitive capabilities.

What is the significance of the lawsuit between The New York Times and Open AI mentioned in the script?

The lawsuit signifies a major change in how AI is used and managed, as Open AI was found to be directly and blatantly copying public articles from The New York Times for its data model.

Why is it advised not to stop learning, even when facing job market challenges?

It is advised not to stop learning because it puts you at a significant disadvantage compared to others. Learning is the only thing that is 100% within our control and can make a difference, unlike market conditions which are not.

What are the three main careers in data that are in high demand according to the script?

The three main careers in high demand are Data Science, Data Analyst, and Data Engineer.

What is the importance of learning Linux and terminal for a career in data?

Linux and terminal are fundamental knowledge areas for a successful career in data. They are necessary to operate a computer entirely through the terminal, which is a key skill in the field.

What are the three core skills needed for careers in data, according to the script?

The three core skills needed are statistics, Python, and SQL.

Why is it important to connect technical skills with business objectives in data careers?

It is important because if technical skills are not connected with business objectives, one cannot be considered a data scientist. They would merely be a code operator, which is not conducive to success in their career.

What is the speaker's view on the concept of meritocracy in the workplace?

The speaker believes that meritocracy exists but is not just. One must understand the human structure of the workplace and know how to play the game to succeed.

What additional skills are highlighted as important for career growth besides technical knowledge?

Soft skills such as public speaking, effective communication, emotional intelligence, and networking are highlighted as important for career growth.

Outlines

00:00

💰 High Demand for Data Science Professionals

The script discusses the high-paying nature of jobs at the intersection of mathematics, data, and code, particularly in Data Science. It mentions related roles such as Data Engineer and Data Analyst. Despite mass layoffs in the tech industry and the rise of AI, these roles remain well-compensated. The script also touches on concepts like ETL, data lakes, sharding, and normalization in data management. It highlights the impact of AI, especially large language models like Google's Gemini (BART) and OpenAI's GPT, which have automated data cleaning and information inference capabilities. However, AI lacks cognitive thought and does not understand business models, which is a key differentiator for professional data scientists. The script also addresses the New York Times' legal action against OpenAI for data cloning, indicating significant changes in the industry.

05:00

📈 Pursuing Excellence in Data Science Careers

This paragraph emphasizes the importance of continuous learning and self-improvement, especially in the face of market instability and job scarcity. It challenges the advice against learning programming or data science due to perceived limited job opportunities. The speaker argues that technology remains a leading industry for job recruitment and that the demand for skilled professionals in data science, data analysis, and data engineering is still high compared to other fields. The paragraph encourages individuals to elevate their skills rather than give up on learning and to understand that the fear of losing should not outweigh the desire to win.

10:01

🛠️ Essential Skills for Data Science and AI Careers

The speaker outlines the fundamental skills necessary for a successful career in data science and AI, including proficiency in Python, Linux, and terminal/command line operations. They stress the importance of mastering Git for version control and highlight the significance of statistical knowledge in data analysis. The paragraph introduces various learning paths and courses available on platforms like Platzi, which offer comprehensive guides to starting a career in data science and AI. It also discusses the misconception that AI can replace the need for learning programming, clarifying that AI is limited to replicating existing code and not creating new solutions.

15:02

📊 Data Science, AI, and the Importance of Soft Skills

This section delves into the specifics of data transformation with tools like pandas and numpy, the importance of data analysis and exploration, and the handling of missing data through techniques like imputation. It mentions the distinction between large language models and broader AI applications, as well as the importance of understanding the business model of the company one works for. The speaker also discusses the concept of meritocracy and the need for individuals to advocate for themselves and develop soft skills such as communication, emotional intelligence, and leadership. They highlight the availability of learning paths on platforms like Platzi for machine learning with Python and other advanced topics, concluding with the reminder that while trends may come and go, continuous learning is essential.

Keywords

💡Data Science

Data Science refers to the field of study and practice that extracts knowledge and insights from structured and unstructured data. In the video's context, it is one of the highest-paid jobs and a rapidly evolving field that combines mathematics, statistics, and programming to analyze and interpret complex digital data. The speaker mentions Data Science as a career that is still in high demand, even amidst changes in the tech industry.

💡Data Engineer

A Data Engineer is a professional who specializes in designing, building, and maintaining systems for efficient data storage and retrieval. The term is used in the script to highlight one of the roles that are part of the data-centric jobs market, which is well-compensated and sought after. The speaker emphasizes the importance of understanding the specific skills required for this role.

💡Data Analyst

A Data Analyst is responsible for collecting, processing, and performing statistical analyses on data to help organizations make informed decisions. The script mentions Data Analyst as one of the key roles in the data industry, which is facing changes due to advancements in AI but remains a valuable and well-paid position.

💡Artificial Intelligence (AI)

Artificial Intelligence, or AI, is the development of computer systems that can perform tasks that would normally require human intelligence, such as visual perception, speech recognition, and decision-making. The video discusses AI's impact on various jobs, particularly in data-related fields, and how it is reshaping the job market and the nature of work.

💡Large Language Models (LLMs)

Large Language Models, or LLMs, are AI systems that can understand and generate human-like text based on the input they receive. The script refers to LLMs as part of the AI advancements that can automatically clean data and infer numerical information from natural language, which is changing the landscape of data-related jobs.

💡Data Lakes

A Data Lake is a term used in the industry to describe a storage repository that holds a vast amount of raw data in its native format until it is needed. The video mentions Data Lakes in the context of data storage and the challenges of managing large volumes of data, which then need to be cleaned and processed.

💡Sharding

Sharding is the process of breaking up large databases into smaller, faster, and more easily managed parts called data shards. In the script, sharding is mentioned as a technique for handling very large datasets, which is a skill relevant to data professionals.

💡Vector Database

A vector database is a type of database that stores and retrieves data based on numerical proximity, allowing for efficient similarity searches. The video discusses vector databases in the context of AI and how they are used to interpret private company data within large language models.

💡Cognitive Computing

Cognitive Computing refers to the simulation of human thought processes in a computerized model. The script clarifies that, as of the video's knowledge cutoff, AI does not possess cognitive computing abilities, meaning it does not 'think' in the way humans do.

💡Soft Skills

Soft Skills are personal attributes that enable someone to interact effectively and harmoniously with other people. The video emphasizes the importance of soft skills in professional development, suggesting that they can be as crucial as technical skills, especially when the job market is tough.

💡Meritocracy

Meritocracy is a system where the talented are chosen and rewarded based on their ability and achievement. The script discusses the concept of meritocracy, noting that while it exists, it is not always fair, and individuals must understand the social structures of their workplace to succeed.

Highlights

The best paid job is at the intersection of mathematics, data, and code, currently known as Data Science.

Other high-paying roles include Data Engineer, Data Analyst, and the importance of these roles persists even during tech industry layoffs.

The industry has evolved with concepts like ETL, data cleaning, and Data Lakes remaining relevant.

Large Language Models (LLMs) like BART, Gemini, and GPT-4 have revolutionized data cleaning and numerical inference from natural language.

AI systems are not cognitive thinkers; they are powerful tools that can have emergent and fascinating effects.

AI does not understand business models or leverage business levers, which is where professional data scientists differ from others.

In 2024, AI is expected to change significantly, with the New York Times suing Open AI over data cloning issues.

Despite AI's advancements, it's advised not to stop learning programming or data science as these fields still have significant job opportunities.

The job market for programming and data science is still larger compared to other fields like administration, accounting, or law.

Fear of losing should not override the desire to win; continuous learning is essential and entirely within one's control.

Platzi offers a guide to start a career in Data Science and Artificial Intelligence, covering the paths of Data Analyst, Data Scientist, and Data Engineer.

Learning Linux and terminal operations is fundamental for a successful career in tech.

Git is a powerful and essential tool that everyone in tech should master.

Statistics, Python, and SQL are the three core skills needed for careers in data.

Data Science serves no purpose unless it provides insights and new ideas for business models.

Platzi offers a comprehensive route for learning Python for data analysis and manipulation, including handling large datasets.

AI cannot generate good code for new problems; it only repeats existing solutions.

Learning routes on Platzi include Machine Learning with Python, covering various mechanisms and deployment strategies.

Meritocracy exists but is not fair; one must understand the human structure of the workplace to succeed.

Soft skills are crucial; Platzi offers a route for communication and oratory skills, teaching public speaking and effective communication.

Trends are pendulums; knowledge endures. Continuous learning is essential for personal and career growth.

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