El principal objetivo de la ciencia de datos es extraer valor, conocimiento espec\u00edfico a partir de los datos o accionable para la toma de decisiones. La ciencia de datos combina m\u00faltiples campos tales como la inteligencia artificial, el aprendizaje autom\u00e1tico, el m\u00e9todo cient\u00edfico, la estad\u00edstica, el c\u00e1lculo num\u00e9rico, y el an\u00e1lisis de datos concretos para extraer valor de la informaci\u00f3n. Tal es as\u00ed que los y las profesionales de la ciencia de datos se denominan com\u00fanmente \u201ccient\u00edficos\/as de datos\u201d y combinan una variedad de conocimientos para analizar los datos recopilados en una gran cantidad de dominios y formatos.<\/span><\/p>\n Tipos de puestos<\/b><\/p>\n La figura del Data Scientist<\/em> (cient\u00edfico\/a de datos) es un perfil profesional surgido de la necesidad que tienen las empresas de recopilar, procesar, gestionar e interpretar los datos masivos que requieren sus estrategias de negocio. Est\u00e1 considerado como uno de los perfiles con m\u00e1s futuro en el mercado laboral, considerando que su demanda no para de crecer. Los tipos de puestos m\u00e1s comunes para quienes est\u00e1n insertos en la ciencia de datos son:<\/span><\/p>\n El m\u00e1s demandado en la actualidad dentro del sector Data Science<\/em>; est\u00e1 orientado al Business Intelligence<\/em> y desempe\u00f1a una labor fundamental en su \u00e1rea. Entre sus tareas, se encuentran el an\u00e1lisis de la informaci\u00f3n recopilada en bruto, la realizaci\u00f3n de informes y la gesti\u00f3n de los macrodatos en los que la organizaci\u00f3n o empresa basar\u00e1 su plan estrat\u00e9gico.<\/span><\/p>\n Otra de las salidas profesionales m\u00e1s comunes, se trata de un rol conectado con el an\u00e1lisis de datos, dado que la arquitectura se encarga de construir la plataforma que albergar\u00e1 a los datos recopilados por la empresa, y que ser\u00e1 esencial para su an\u00e1lisis. Adem\u00e1s, las y los arquitectos de datos tienen la responsabilidad de garantizar la seguridad de los datos recabados, lo cual los convierte en perfiles profesionales indispensables.<\/span><\/p>\n Analiza los datos almacenados en el sistema con el objetivo de extraer patrones, visualizarlos de la manera m\u00e1s conveniente y establecer modelos de aprendizaje autom\u00e1tico. Estos perfiles trabajan con conceptos matem\u00e1ticos y estad\u00edsticos, pero tambi\u00e9n deben saber programar. Son la figura que cuenta con una visi\u00f3n global de toda la estrategia de gesti\u00f3n de datos.<\/span><\/p>\n Las ingenieras e ingenieros de inteligencia artificial se centran principalmente en crear algoritmos y sistemas. Tener una comprensi\u00f3n s\u00f3lida de ciencia de datos les permite optimizar sus modelos de IA usando principios y t\u00e9cnicas como preprocesamiento de datos, selecci\u00f3n y extracci\u00f3n de caracter\u00edsticas, evaluaci\u00f3n de modelos, optimizaci\u00f3n de hiperpar\u00e1metros y otras tareas complejas.<\/span><\/p>\n La consultora o consultor de Big Data desempe\u00f1a un papel fundamental en muchas empresas, pues son expertos en las tecnolog\u00edas, herramientas y procedimientos que tienen relaci\u00f3n con el almacenamiento, gesti\u00f3n y uso de grandes cantidades de datos.<\/span><\/p>\n Un consultor con experiencia sabr\u00e1 recomendar a una compa\u00f1\u00eda qu\u00e9 debe hacer con sus datos y cu\u00e1l es la mejor manera de analizarlos e interpretarlos con el objetivo de aumentar la eficiencia y reducir costes. Adem\u00e1s de su perfil t\u00e9cnico, debe contar con experiencia en el mundo de los negocios.<\/span><\/p>\n El universo de los macrodatos es tan extenso que extiende sus brazos hacia todo tipo de sectores, siendo el marketing uno de ellos. Por ello, el perfil h\u00edbrido de Data Scientist<\/em> y profesional del marketing es uno de los m\u00e1s demandados y, al mismo tiempo, uno de los m\u00e1s dif\u00edciles de cubrir.<\/span><\/p>\n Este perfil se convierte en el puente entre la estad\u00edstica en bruto de la empresa y su equipo m\u00e1s creativo, que no necesariamente debe saber de datos. Su objetivo final es ayudar al departamento de marketing a elaborar la mejor estrategia de contenidos para aumentar al m\u00e1ximo las ventas.<\/span><\/p>\n El perfil de ingenier\u00eda de Machine Learning<\/em>, o aprendizaje autom\u00e1tico, es una combinaci\u00f3n entre Data Scientist<\/em> y Software Engineer<\/em>. Son profesionales que trabajan con lenguajes de programaci\u00f3n que cuentan con bibliotecas de aprendizaje autom\u00e1tico para ayudar en la creaci\u00f3n y desarrollo de soluciones en la cadena de producci\u00f3n basadas en el Machine Learning, garantizando que el flujo de datos ocurre de manera correcta en todas las etapas de su proceso de captaci\u00f3n, almacenamiento, gesti\u00f3n y an\u00e1lisis.<\/span><\/p>\n En castellano desarrollador\/a de Big Data, es la persona encargada de realizar todas las tareas relacionadas con el desarrollo de software dentro de los equipos. Deben contar con una base muy s\u00f3lida en lenguajes de programaci\u00f3n adem\u00e1s de saber manejar otras herramientas de manejo de datos. Asimismo, deber\u00e1 trabajar con modelos de programaci\u00f3n que den soporte a la computaci\u00f3n paralela de grandes cantidades de datos.<\/span><\/p>\n Otra posible salida laboral es ser investigador\/a en las \u00e1reas de ciencia de datos, inteligencia artificial y aprendizaje autom\u00e1tico, ayudando a desarrollar modelos para la toma de decisiones, modelos de an\u00e1lisis y descubrimiento de conocimiento, como as\u00ed tambi\u00e9n apoyar a otras \u00e1reas aplicadas como salud, econom\u00eda, sociolog\u00eda, educaci\u00f3n o el sector productivo en general. Este tipo de perfil puede ser un investigador acad\u00e9mico tradicional o un investigador inserto en un \u00e1rea de I+D de una empresa.<\/span><\/p>\n Un puesto m\u00e1s inusual pero del que se han encontrado numerosos ejemplos es el de emprendedor\/a. Personas formadas que han decidido fundar su propia empresa o consultora de software y datos, ofreciendo y desarrollando servicios de valor, y est\u00e1 muy asociado con el puesto mencionado anteriormente sobre consultor\u00eda. Pero adem\u00e1s este perfil debe requerir conocimientos espec\u00edficos de administraci\u00f3n de empresas, gesti\u00f3n y direcci\u00f3n de proyectos y planes estrat\u00e9gicos de negocios.<\/span><\/p>\n Casos de \u00e9xito en la Maestr\u00eda<\/b><\/p>\n Dentro de los y las profesionales egresadas de la Maestr\u00eda en Ciencia de Datos<\/a>, encontramos algunos ejemplos muy singulares donde el desarrollo de carrera profesional ha alcanzado un nivel de liderazgo absoluto. Aqu\u00ed los detallamos:<\/span><\/p>\n Mat\u00edas Butti<\/b>: Es director del grupo de investigaci\u00f3n de bioinform\u00e1tica en oncogen\u00f3mica funcional del CAETI y director de Zoigen, laboratorio que ofrece estudios gen\u00f3micos. Su trabajo iniciado durante su tesis de maestr\u00eda culmin\u00f3 en la plataforma Bioplat presentada en Silicon Valley. Adem\u00e1s es profesor de posgrado en bioinform\u00e1tica. En relaci\u00f3n a la formaci\u00f3n obtenida en la Maestr\u00eda, comenta: \u201c<\/span>La ciencia de datos es y seguir\u00e1 siendo una actividad clave para la generaci\u00f3n de nuevas ideas y el crecimiento de cualquier empresa u organismo. Desde mi visi\u00f3n, la Maestr\u00eda permite a profesionales que est\u00e9n trabajando o que quieran iniciar su carrera en el an\u00e1lisis de datos, adquirir bases te\u00f3ricas s\u00f3lidas y algo de experiencia pr\u00e1ctica en diferentes dominios, para dise\u00f1ar y desarrollar soluciones serias<\/span><\/i>\u201d.<\/span><\/p>\n Ana Hidalgo<\/b>: Es Business Development Manager de Strata Analytics Group y fue Gerente de Proyectos en SAS. Durante 11 a\u00f1os lider\u00f3 equipos especializados en datos, IA y analytics. \u201c<\/span>La Maestr\u00eda me ayud\u00f3 a poder desarrollar proyectos y modelos predictivos como consultora. Tal es as\u00ed que cuando termin\u00e9 de cursar pude incorporarme a SAS. Esta especialidad es apasionante, para m\u00ed fue perfecta porque combin\u00f3 Base de Datos, Algoritmos y Estad\u00edstica, que son \u00e1reas que me fascinan. Al mismo tiempo, la Universidad es un \u00e1mbito muy desafiante para desarrollar proyectos y entrenarse en la ciencia de datos con aplicaciones sociales<\/span><\/i>\u201d.<\/span><\/p>\n Andrei Rukavina<\/b>: Es Partner de AlixPartners, una consultora global que asesora a clientes en todo el mundo. Cuenta con m\u00e1s de 15 a\u00f1os de experiencia desarrollando soluciones en inteligencia artificial e innovaci\u00f3n tecnol\u00f3gica, impulsando desde la investigaci\u00f3n hasta las soluciones operativas. En el marco de la cursada de una materia de la Maestr\u00eda, particip\u00f3 en la competencia de visualizaci\u00f3n de la informaci\u00f3n VAST Challenge (EE.UU.) y obtuvo una menci\u00f3n de honor\u00a0 representando a la \u00fanica universidad latinoamericana en esa instancia final. \u201c<\/span>El capital humano de la Maestr\u00eda es impresionante. Los compa\u00f1eros con los que tuve la suerte de cursar son un dream team multidisciplinario para cualquier trabajo y los profesores demuestran el nivel necesario para formarnos en las principales t\u00e9cnicas<\/span><\/i>\u201d.<\/span><\/p>\n Ana Josefina Bach<\/b>: Desde hace m\u00e1s de 20 a\u00f1os es Jefa de an\u00e1lisis predictivo de datos en Grupo OSDE, combinando en su formaci\u00f3n conocimientos de administraci\u00f3n de empresas, planeamiento econ\u00f3mico financiero y ciencia de datos. \u201c<\/span>La Maestr\u00eda me abri\u00f3 la posibilidad de plantear soluciones no tradicionales a cuestiones de costos en el \u00e1mbito laboral. Fue un desaf\u00edo desde el punto de vista de mi falta de conocimientos en programaci\u00f3n. Al principio me cost\u00f3, pero una vez que pude encuadrar las herramientas necesarias dentro del objetivo de cada materia, me result\u00f3 muy entretenido y valioso. Eleg\u00ed este posgrado porque necesitaba aprender algo distinto, que me resultara entretenido, no hacerlo con el s\u00f3lo motivo de obtener un t\u00edtulo. Y creo que lo logr\u00e9. No hubiese invertido m\u00e1s de dos a\u00f1os entre la cursada y la escritura de la tesis si no me resultara interesante el contenido<\/span><\/i>\u201d.<\/span><\/p>\n A modo de cierre<\/b><\/p>\n\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
![\"\"](\"https:\/\/datamining.dc.uba.ar\/predictivos\/wp-content\/uploads\/2023\/09\/Clase_generica-300x200.jpg\")
<\/a>Sin lugar a dudas, en los \u00faltimos a\u00f1os el aumento exponencial de la cantidad de datos a la que se puede acceder y la disponibilidad de herramientas que permiten procesarlos, interpretarlos y modelar con ellos cualquier tipo de problema, ha generado una verdadera revoluci\u00f3n que demanda profesionales con mayor especializaci\u00f3n y capacidad anal\u00edtica. Nuestra Maestr\u00eda responde desde una formaci\u00f3n s\u00f3lida y transversal a esa necesidad: extraer informaci\u00f3n valiosa de los datos para la toma de decisiones y descubrir conocimiento \u00fatil en grandes vol\u00famenes de informaci\u00f3n<\/strong>.<\/span><\/p>\n