Roles en la industria: cómo funcionan los equipos de datos e inteligencia artificial

Creo que es fundamental educar a las pymes y emprendedores para que conozcan la importancia de crear, mantener y actualizar una base de datos.

Que gran ayuda sería contar con todo la información bien almacenada y organizada para poder para más tarde analizarla y obtener insights valiosos para el negocio.

Les comparto mis apuntes

Voy a comenzar en Data Analyst y luego voy a seguir aprendiendo.

JERARQUÍA DE NECESIDADES DE DATA SCIENCE
1. Etapa de recolección de los datos: Los datos pueden venir de diversas fuentes dependiendo de la industria (páginas web, sensores, instrumentación…)

2. Etapa de Almacenamiento/Movimiento: Los datos se deben movilizar y almacenar a través de una infraestructura o un pipeline.

3. Etapa de Exploración y transformación: Se deben limpiar los datos, detectar errores y anomalías y prepararlos para un posterior análisis.

4. Etapa de Análisis: Se buscan métricas, segmentaciones, agregaciones y distintas características para convertir los datos en información y posteriormente en conocimiento.

5. Etapa de IA: Se generan predicciones y se visualiza el futuro de la organización.

Data engineer:
Ingesta de datos
Validación de datos
Preparación de datos
Recolección, transformación, limpieza y almacenamiento de base de datos

Data Scientist:
Primeras personas en crear modelos de ML e interactuar con los modelos. Entrenan, evalúan y validan los modelos.

Data analyst:
Toman los datos de las base de datos que los data engineer prepararon y los analizan para encontrar información de valor.
Insights que las personas del negocio puedan usar para tomar estrategias y acciones.

ML Engineer:
Trabaja de la mano con data scientist. Robustece el modelo y pone en producción. Despliega el modelo con ayuda de developers para que funcione en una aplicación y puedan ser utilizados en una interfaz por usuarios.

Developers: Ingenieros de software que trabajan con ML engineers.
Research scientis: Estudia nuevos algoritmos y nuevos usos de IA.

Machine Engineer es la ruta que seguire.

Roles de la industria:

• Data science

• Data analysis

• Data engineer

• Machín learning engineer.

Resumen: El proceso tanto de data science (y si se quiere ir más allá con inteligencia artificial) tienen unos pasos delimitados; recolección, almacenamiento, transformación, agregación, aprendizaje y producción. Cada etapa superior es dependiente de la anterior. Los roles de data science se caracterizan por gestionar cada asunto. Data engineer; recolección y limpieza de datos, data scientist; creación de un modelo, data analyst; extrae información de valor de las bases datos para ayudar a los miembros de la organización tomar decisiones y ML engineer se encarga con ayuda de un ingeniero de software mejorar y robustecer un modelo para lanzarlo a producción. El research scientist busca nuevos algoritmos y formas de implementar inteligencia artificial

Data Analyst y Data Scientist me interesan 😁

Yo vengo por el ML engineer

MACHINE LEARNIIIING A TOPEEEEEEE!!!

Vengo y mi objetivo es formarme como Data Scientist

Me gustatia el rol de ML engineer ya que trabajan a la mano con developer y buenp yo soy fullstack web developer asi que complemento mi profesion y no estoy iniciando una profesion nueva hahahah

Estoy entre Data Analyst y Data Scientist, creo que voy a comenzar primero con Data Analyst y de ahí seguir hacia Data Scientist

Empezare con Data Analyst 😄

Me interesa mucho el llegar a construir modelos de predicción de eventos, esto lo haría por ejemplo para evaluar riesgos en inversiones financieras.
Sin embargo para llegar a esos niveles, entiendo que debería empezar como Data engineer para aprender a tener datos confiables y “limpios” para tener como resultado información de valor. Luego de esto pasaría a Data Analyst porque me interesa el llevar esto a los negocios para toma de decisiones y de estrategias empresariales, teniendo en cuenta que las pymes necesitarán mucho de esto para diferenciarse, veo esto como un futuro negocio.

Comenzaré como Data Analyst y despúes trataré de llevarlo a Data Scientist

Data Engineer y Data Analyst, son los roles que me interesan!!

Yo me ubico actualmente como data analys, estoy en contacto con el negocio, aunque me inclino mas por la parte developer y de ML me parece interesante ser un enlace entre los datos y el diseño web

Roles en Ciencia de Datos y sus áreas relacionadas

1. Científico de datos: Este rol se encarga del análisis y modelado de datos para extraer información y generar conocimientos. Se relaciona con las áreas de Matemáticas y Estadística, así como Ciencias Computacionales.

2. Ingeniero de datos: Este rol se centra en la gestión y procesamiento de grandes volúmenes de datos. Está estrechamente vinculado con el área de Ciencias Computacionales.

3. Analista de datos: Este rol se dedica al análisis exploratorio de datos y la generación de informes. Se relaciona con las áreas de Matemáticas y Estadística, y Ciencias Computacionales.

4. Especialista en aprendizaje automático (Machine Learning) : Este rol se enfoca en el desarrollo y aplicación de algoritmos de aprendizaje automático para construir modelos predictivos y de clasificación. Se relaciona con las áreas de Matemáticas y Estadística, así como Ciencias Computacionales.

5. Consultor de datos: Este rol implica trabajar con clientes o equipos internos para comprender sus necesidades y brindar soluciones basadas en datos. Requiere habilidades de comunicación y conocimiento del dominio del negocio.

He estado en todos esos roles

Hola, a mí me interesa seguir con mi rol de Developer, Frontend. He llegado aquí después de lograr el reto de Maratón IA, lo hice completando cursos de uso de interfaces para usuario final. ChatGPT
.
Reconociendo lo importante y revolucionario que la tecnología dentro de mi perfil T necesito tener nociones de cómo funciona el embudo IA.
.
En esta clase los recursos compartidos, la pirámide de Maslow para IA y la línea de roles asignados con las etapas del proceso son increíbles, es exacto lo que esperaba encontrar cuando decidí venir a las bases, LOS FUNDAMENTOS de cómo se hace la IA, los GPTs, los Diffusers
.
De escoger un segundo rol, escogeré Machine Learning Engineer. En los personal no me gusta el proceso, el tratamiento, la limpieza, la comprobación o la estructuración que debes tener con los datos. Me gusta poder expresarme de manera creativa. Igual sé que aprender de estos roles es importante, incluso cuando no buscaré trabajo en ello.

Elegiría el rol de Data Scientist al poder implementar los diferentes modelos de Machine Learning como los que encontré investigando más.

tomado de: https://www.aprendemachinelearning.com/7-pasos-machine-learning-construir-maquina/

quiero aprender a sacar informaciñon de secuenciación de tumores (trascriptomica, genomica, metiloma) de pacientes para poder encontrar las suceptibilidades de sus tumores y poder generar reportes de medicina de presicion que apunte a encontrar cual es el mejor tratamiento individualizado… seria como un data scientist en bioinformatica. 😃

1. Recopilación de datos: En esta etapa, se recolectan los datos de diferentes fuentes como bases de datos, archivos, encuestas, web scrapping, entre otras. El objetivo es obtener los datos necesarios para el análisis y modelado.

2. Preprocesamiento de datos: Una vez que se han recopilado los datos, es necesario preprocesarlos para que sean utilizables en la etapa de análisis y modelado. Esto incluye limpiar, transformar y combinar datos de diferentes fuentes.

3. Análisis exploratorio de datos (EDA): En esta etapa, se realizan análisis preliminares de los datos para obtener una comprensión más profunda de las relaciones y patrones subyacentes en los datos.

4. Modelado de datos: En esta etapa, se aplican técnicas de modelado de datos para crear modelos predictivos y descriptivos que puedan ser utilizados para realizar análisis más complejos y respaldar la toma de decisiones.

5. Interpretación de resultados: En esta etapa, se interpretan los resultados obtenidos del modelado de datos para comprender mejor los patrones y relaciones en los datos y utilizar esta información para la toma de decisiones.

Roles en las industrias:

1. Data scientist: Mónica Rogati
   Basada en las necesidades de Maslow

a. Instrumentación: Recolección de datos
b. Almacenamiento, movimiento
c. Exploración y tranformación: Limpieza y detección de datos
d. Analítica de datos, dashboard, segmentación: Pueden tomar decisiones con esos análisis
e. IA: Con machine learning, podemos ver hacia el futuro de la organización
f. Deep learning: Generar productos con IA.

ROLES

Data analyst primero, a ver si luegome animo a más

Me ha gustado mucho el data science, pero creo que mejor seria empezar por el data Analyst para empezar a entender este gran mundo de los datos. ¿ que creen ustedes?

Unir la piramide con los pasos es muy interesante!
Por que se va observando los perfiles a tener para hacer ciencia de datos.

La ciencia de datos será el futuro, pero necesitamos ver lo a nivel global

Machine Learning Engineer es mi camino a seguir.

Pasos y roles del flujo de trabajo de Data Science

Me quedo con el rol de Data Scientis!
Muchas gracias por explicarlo claramente

me atrae mucho ML + developer, ya que los retos son grandes e interesantes a la hora de desarrollar prototipos. que interesante es el campo de la tecnologia .

Análisis de Datos

1. Data Engineer: Un especialista en la gestión y procesamiento de datos para crear infraestructuras sólidas y eficientes.

2. Data Scientist: Un profesional que analiza datos complejos para tomar decisiones y descubrir patrones y tendencias.

3. Data Analyst: Un experto en la interpretación de datos para proporcionar información valiosa a las empresas.

4. Research Scientist: Un investigador que utiliza métodos científicos para resolver problemas y generar conocimiento en diversas disciplinas.

5. ML Engineer (Machine Learning Engineer): Un ingeniero especializado en desarrollar sistemas de aprendizaje automático para aplicaciones y productos tecnológicos.

Teóricamente !!

Clase 4 - Roles en la industria: Cómo funcionan los equipos de datos e inteligencia artificial

Repaso de la clase

¿De qué se ocupaba en el pasado el rol de Data Scientist?

• En el pasado, cuando esta rama estaba en surgimiento, esta rama se encargaba de prácticamente de todo el proceso.

¿Cuáles son los roles más importantes que existen hoy en día en Data Science?

• Data Scientist.
• Data Analyst.
• Data Engineer.
• Research Scientist
• Machine Learning Engineer.

¿Qué nos puede ayudar a entender cómo las empresas implementan Data Science e Inteligencia Artificial?

• La pirámide o jerarquía de las necesidades de Data Science.

¿Quién creó la pirámide o jerarquía de las necesidades de Data Science?

• Mónica Rogati.

¿En qué lugar Mónica Rogati publicó la pirámide o jerarquía de las necesidades de Data Science?

• En la revista Hackernoon.

¿En que está basada la pirámide o jerarquía de las necesidades de Data Science?

• En la pirámide de las necesidades humanas, propuesta por Maslow.

¿Podemos implementar un modelo de ciencia de datos en una empresa de un momento a otro?

• No.

¿Por qué no podemos implementar un modelo de ciencia de datos en una empresa de un momento a otro?

• Porque en ese momento no se hay una infraestructura para ello.

¿Cuáles son las etapas o pisos de la pirámide o jerarquía de las necesidades de Data Science?

• Recolección.
• Movimiento / Almacenamiento.
• Exploración / Transformación.
• Agregaciones / Etiquetado.
• Aprendizaje / Optimización.

¿Qué se usa en la etapa de “recolección" de la pirámide o jerarquía de las necesidades de Data Science para recolectar datos?

• Instrumentación.
• Logging.
• Sensores.
• Datos externos.
• Contenido generado por el usuario,

¿Qué usamos en la etapa de “movimiento / almacenamiento” de la pirámide o jerarquía de las necesidades de Data Science para guardar los datos almacenados?

• Infraestructura.
• Pipelines.
• ETL
• Convertimos los datos obtenidos en datos confiables, estructurados y no estructurados.

¿Qué hacemos en la etapa de “exploración / transformación” de la pirámide o jerarquía de las necesidades de Data Science?

• Limpieza de datos.
• Detección de anomalías.
• Preparar los datos para un análisis.

¿Qué hacemos en la etapa de “agregaciones / etiquetado” de la pirámide o jerarquía de las necesidades de Data Science?

• Analytics.
• Métricas.
• Segmentaciones.
• Agregaciones.
• Entrenamiento de datos.

¿Qué hacemos en la etapa de “aprendizaje / optimización” de la pirámide o jerarquía de las necesidades de Data Science?

• Pruebas A/B
• Experimentación con algoritmos simples de Machine Learning.
• Deep learning.

¿De qué pasos se encarga el Data Engineer en el proceso de implementación de machine learning en productos?

• Ingesta de datos
• Validación de datos.
• Preparación de datos.

¿De qué pasos se encarga el Data Scientist en el proceso de implementación de machine learning en productos?

• Entrenamiento del modelo.
• Evaluación del modelo.
• Validación del modelo.

¿De qué se encarga el Data Analyst en el proceso de implementación de machine learning en productos?

• De buscar las necesidades de información en diferentes áreas de negocio. Esto con el fin de mejorar la resolución de problemas y mejoramiento de procesos.

¿Quién se encarga de darle los datos al Data Analyst?

• Data Engineer.

¿De qué pasos se encarga el Machine Learning Engineer en el proceso de implementación de machine learning en productos?

• Evaluación del modelo
• Validación del modelo.

¿Qué rol ayuda al Machine Learning Engineer a pasar a producción el producto?

• Developer.

¿De qué pasó se encarga el Developer en el proceso de implementación de machine learning en productos?

• Interfaz de usuario.

¿Cuál es la función del Research Scientist en el proceso de implementación de machine learning en productos?

• Estudiar nuevos algoritmos.
• Desarrollar nuevas formas de implementar inteligencia artificial en la empresa.

Algo similar al curso de programación

He visto varias de las clases y es necesario que a parte de lo que se explica en teoría también haya una práctica

A lo que decía me encantaría visitar la sede de Platzi y entendí esto de la inteligencia artificial de iba mañana mejor

Muy buenas noches
Estaba revisando , esto sí que tiene su proceso, y es más que análisis de datos y es necesitarío tener un profesor

Data analyst es el rol que más me identifica

Date analyst

Súper interesante
Aprender de cada una de estas ahora sí el reto sería ponerla En práctica

Me interesa mucho DATA SCIENTIST!!!

Data analyst

piensalo en como tomas una decicion, digamos que estas en el centro comercial y quieres comprarte teclado mecanico de cherrimx (digams que hay muchos de diferente precios size’s formas entre otros) pero quieres el que sea mejor caliad precio.

recoleccion: le preguntas atodos los vendedores cuanto cuesta cada teclado y que tipo de teclados son, especificaciones (venga todo el catalogo mientras mas datos mejor)

movimiento/ almacenamiento: le pides al vendrdor un pdf con los precios de los teclados y los guardas en la nuve de google clound.

exploracion y transformacion: decartas todo lo que no se un teclado mecanico de cherrymx (los swiches, vale?) y clasificas entre caracteristicas y precio del resultado que te dio ( de repente havian unos que no tenian rgb o el pad para las manos entre otros accesorios quee quieres quee tenga tu teclado ideal )
ya con esto podrias solo escojer el teclado que mas barato sea pero quieres implementar ia para que sea mas optimo (para no escojer un teclado que si tiene todos los lujos que pedias pero a la final no saves si te durará)

agregaciones y etiquetado : contodo el volumen de teclados que tienes entrenas a una ia con ls teclados que tienes y le dics que escoja el que mas se ajusta a tus nesesidades (como el rendimiento los comentarios de otras personas likes y dislikes en todas las tiendas, vale un monton de datos de entrenamiento )

apendisaje/ optimizacion: ya con el modelo entrenado con los datos le pasas el volumen de teclados a analizar yle pides que te diga cual es el mejor prosesa todo, se tarda su tiempo y te dice que hay una provavilidad del 72% que el teclado ######## de cherrymx se ajuste a tus gustos y nesesidades

vas a la tienda y te lo compras 😃

3 dias despues te aburres y le cambias los swiches, pero que swichs se adaptan mas para ti?

Yo me quedo con Data Scientist… por ahora. jeje

MONICA ROGATTI piramide de necesidades de Maslow