¿Buscas nuestro logo?
Aquí te dejamos una copia, pero si necesitas más opciones o quieres conocer más, visita nuestra área de marca.
¿Buscas nuestro logo?
Aquí te dejamos una copia, pero si necesitas más opciones o quieres conocer más, visita nuestra área de marca.
dev
Ignacio José Valenzuela 03/01/2022 Cargando comentarios…
Queridos Reyes Magos,
Como todos los años, los Data Scientist tenemos una carta preparada con el listado de regalos que queremos para nuestros proyectos para este 2022. Como sabemos que no es posible tener todos los regalos que queremos, sólo pediremos cuatro.
Es muy distinto desarrollar un modelo que resolver un problema de negocio. Al plantear un desarrollo como una necesidad de un modelo, no se está atacando las bases de por qué se necesita en un principio, y más aún, es perfectamente posible que en vez de un modelo de ML, un algoritmo de búsqueda pueda ser más preciso y eficiente resolviendo los problemas. Una de las principales tareas de un Data Scientist es entender el contexto en el que existe el negocio y su relación con los datos, al incluir al Data Scientist en el planteamiento del problema necesariamente se fuerza ese traspaso de conocimientos desde negocio.
Ante este planteamiento es lógico pensar que las horas de los Data Scientist son limitadas e igual es mejor que se enfoquen únicamente al desarrollo e implementación del modelo, pero sólo basta pensar en las semanas que se pueden perder ante un error en el planteamiento para que dedicarle un tiempo a plantear los problemas con los Data Scientist empiece a tener sentido.
Ser Data Scientist en estos tiempos es ser un niño en una tienda de juguetes, hay opciones para jugar hasta hartarse, pero el jugar es absolutamente necesario y no siempre ocurre. Por ejemplo, para un problema de Clasificación podríamos con los ojos cerrados elegir un XGBoost y quedarnos contentos (y tener el modelo listo en tiempo record, con lo que el Product Owner también lo estaría), pero es importante que exista un espacio para experimentar con distintas soluciones y enfoques por dos razones:
A quién no le haya pasado que levante la mano: llega el momento de hacer los pases a producción y los resultados que se obtienen son distintos a los que se tenían en desarrollo o simplemente da fallos por todas partes. Para evitar los dolores de cabeza más grandes es esencial partir los proyectos con el paso a producción en mente. Para esto viene bien:
Este regalo es el de la caja más grande y más colorida de todas. Queremos dedicar una pequeña parte de todos nuestros días a la formación. Data Science es un área que está avanzando diariamente y quien no estudia se está quedando atrás. El gran problema que tiene este regalo es que es difícil encontrar tiempo cada día con el frenesí que puede haber en períodos de más carga de trabajo y a veces éstos se encadenan uno tras otro, por lo que es fácil que pase el tiempo sin haber hecho ninguna formación de verdad.
La solución a esto va por dos partes, Data Scientist y el equipo.
Sabemos que son bastantes regalos y será difícil conseguirlos, pero hemos sido buenos este año y con ellos el 2022 lo haremos aún mejor.
Atentamente,
Los Data Scientist
Los comentarios serán moderados. Serán visibles si aportan un argumento constructivo. Si no estás de acuerdo con algún punto, por favor, muestra tus opiniones de manera educada.
Estamos comprometidos.
Tecnología, personas e impacto positivo.
Cuéntanos qué te parece.