Después de todo lo que hemos visto, podemos entender que los científicos de datos son, ahora más que nunca, perfiles muy buscados y valorados. En un momento en el que las técnicas de IA se usan de forma masiva a través de las apps de los smartphones, los expertos en el tratamiento de datos para crear modelos predictivos en todo tipo de áreas de negocio cobran una relevancia notable. El primer uso de científico de datos como título de trabajo profesional se atribuye a DJ Patil y Jeff Hammerbacher, quienes decidieron conjuntamente adoptarlo en 2008 mientras trabajaban en LinkedIn y Facebook, respectivamente. En 2012, un artículo de Harvard Business Review coescrito por Patil y el académico estadounidense Thomas Davenport calificó al científico de datos como “el trabajo más sexy del siglo XXI”. Desde entonces, la ciencia de datos ha seguido creciendo en importancia, impulsada en parte por un mayor uso de la inteligencia artificial y el aprendizaje automático en las organizaciones.
La ciencia de datos incorpora varias disciplinas —por ejemplo, ingeniería de datos, preparación de datos, minería de datos, análisis predictivo, aprendizaje automático (machine learning, ML) y visualización de datos, así como estadísticas, matemáticas y programación de software. Lo https://www.javiergosende.com/ciencia-datos-inteligencia-artificial realizan principalmente científicos de datos capacitados, aunque también pueden participar analistas de datos de nivel inferior. La ciencia de datos es un campo en evolución que intersecta estadísticas, aprendizaje automático, inteligencia artificial y ciencias de la computación.
Data Science: ¿un oráculo para predecir el futuro?
La ciencia de datos incluye varias disciplinas como por ejemplo la estadística, las matemáticas, las ciencias de la computación e incluso la Inteligencia Artificial. Sin embargo, quienes aún no están conectados siguen aislados de los beneficios de esta nueva era y quedan aún más rezagados. Muchas de las personas que se quedan atrás son mujeres, ancianos, personas con discapacidad o miembros de minorías étnicas o lingüísticas, grupos indígenas y residentes de zonas pobres o remotas.
El enfoque ha cambiado al procesamiento de estos datos ahora que otros marcos han resuelto con éxito el problema del almacenamiento. Este trabajo está disponible bajo los términos de una licencia Creative Commons IGO 3.0 Reconocimiento-No comercial-Sin Obras Derivadas. (CC-IGO 3.0 BY-NC-ND) y pueden reproducirse con la debida atribución al BID y para cualquier uso no comercial. Cualquier disputa relacionada con el uso de las obras del BID que no se pueda resolver ¿Conoces los frameworks modernos? Una guía para utilizarlos en el desarrollo web de manera amistosa se someterá a arbitraje de conformidad con el reglamento de la CNUDMI. El uso del nombre del BID para cualquier otro propósito que no sea la atribución, y el uso del logotipo del BID estarán sujetos a un acuerdo de licencia escrito por separado entre el BID y el usuario y no está autorizado como parte de esta licencia CC-IGO. Tenga en cuenta que el enlace proporcionado anteriormente incluye términos y condiciones adicionales de la licencia.
Búsqueda de conjunto de datos: Google
Y todo esto como parte de mi proceso de actualización como científico de datos (¡la profesión más sexy del siglo XXI!). Después, se trata de almacenarlos en un Data Warehouse, limpiarlos, transformarlos para que se puedan analizar. La siguiente etapa es la del tratamiento de datos, por medio del Data Mining (minería de datos), el clustering, la clasificación o la modelización. En la actualidad, casi todas las empresas afirman haber recurrido a la Data Science de una manera u otra en un momento dado.