Importancia y usos de data science e inteligencia artificial

1

Oportunidades laborales en Data Science e inteligencia artificial

2

Glosario para entender el mundo de Data Science e inteligencia artificial

3

¿Qué es Data Science?

4

¿Qué es inteligencia artificial? ¿Cuál es su diferencia con Data Science?

5

¿Qué es Big Data? ¿Cuál es su diferencia con Data Science?

6

¿Qué NO es Data Science? ¿Por qué aprenderla?

7

Áreas de aplicación de Data Science e inteligencia artificial

8

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

Quiz: Importancia y usos de data science e inteligencia artificial

Data Analyst

9

¿Qué hace una Data Analyst?

10

Herramientas y tecnologías para Data Analysts

11

La experiencia de un Data Analyst: entrevista a Demian Arenas

Quiz: Data Analyst

Data Scientist

12

La experiencia de una Data Scientist: entrevista a Nazly Santos

13

¿Qué hace una Data Scientist?

14

Herramientas y tecnologías para Data Scientists

Quiz: Data Scientist

Data Engineer

15

¿Qué hace una Data Engineer?

16

Herramientas y tecnologías para Data Engineers

17

La experiencia de un Data Engineer: entrevista a Alexis Araujo

Quiz: Data Engineer

Machine Learning Engineer

18

¿Qué hace una Machine Learning Engineer?

19

Herramientas y tecnologías para Machine Learning Engineers

20

La experiencia de un Machine Learning Engineer: entrevista a Gerson Perdomo

Quiz: Machine Learning Engineer

Ser profesional en el mundo de los datos e IA

21

Soft skills para Data Science

22

¡En sus marcas, listos, fuera!

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

La experiencia de una Data Scientist: entrevista a Nazly Santos

12/22
Recursos

Nezly Santos es una profesora de Data Science dentro del programa de Platzi Master, que ha trabajado en múltiples empresas como Data Science en Colombia. Además, fundó su propio emprendimiento en el cual trabaja en mercados como el de Francia y Holanda.

Una mesa con dos portatiles y dos personas a cada lado.

¿Qué es Platzi Master?

Platzi Master es un programa especializado, en el cual los profesionales latinoamericanos se unen con las necesidades del mercado. Por medio de mejorar las habilidades técnicas, de inglés y desarrollar proyectos relevantes para el mercado.

¿Cómo conociste el mundo de Data Science?

Empecé cuando la industria de la Data no estaba bien consolidada tal como la conocemos ahora.

Entonces el acceso a material educativo para ese tipo de áreas era muy sofisticado y costoso, ya que se encontraban en especializaciones y maestrías. Fue en el momento en que hice un intercambio en Francia, que tuve un acercamiento a este tipo de temas y le encantó.

Cuando volví a Colombia y trabajé con una agencia de mercadeo, me di cuenta de que muchas otras profesiones como la de economistas, contadores, etc. estaban colaborando con sus distintas perspectivas a este mundo de la Data.

¿Cómo defines el rol de Data Science?

Es un área muy grande, en la cual se usan los datos e información para volverlos útiles para resolver problemas.

¿Cuáles son las actividades que hace una Data Scientist con frecuencia?

El día a día de una Data Science es diferente dependiendo del proyecto para el cual se esté trabajando, y de acuerdo a ello las habilidades que se utilizan varían. Por ejemplo, algunas generales son:

  • Hacer código en Python y obtener retroalimentación lo más rápido posible
  • Reuniones con los diferentes interesados para saber si realmente están dando respuesta a las necesidades de la organización
  • Actualizarse en cuanto a las distintas tecnologías y conocimiento de la industria

¿Cuál es el mayor reto que has tenido trabajando en esta industria?

El mayor reto dentro de la industria de la Data es creerse que se tiene el conocimiento y las habilidades para aportar valor dentro de una organización. Como también alinear las expectativas con respecto a lo que se ofrece en los servicios de Data Science.

¿Cómo enfrentas trabajar para un nuevo proyecto?

Todo proyecto depende en gran medida del nivel de madurez de la cultura Data-Driven en la que se encuentre la empresa.

Lo primero que hago es realizar un diagnóstico de la misma para saber si es posible y además si es de alto impacto para el negocio o proyecto. Dejando claro que para ello se necesita:

  • Presupuesto
  • Tiempo
  • Personas
  • Tecnología

¿Cómo es la comunicación del día a día con tus compañeros y las partes interesadas del negocio?

Es muy importante tener una comunicación constante con el equipo de Data, debido a que en la mayoría de los casos estos van a ser interdisciplinarios y todos deben estar alineados con el objetivo.

Con respecto a los stakeholders o partes interesadas del negocio, se debe trabajar muy bien el tiempo, teoría y valor que se les ofrece en los encuentros, ya que a estos no les interesa estar involucrados todo el tiempo, sino cuando hay decisiones que tomar.

¿Cuál es el mayor reto que notas en las personas que están iniciando en el mundo de la Data y qué solución propondrías?

El mayor reto que se enfrentan las personas que están iniciando en Data Science es pensar que esto es a corto plazo, lo cual está errado, porque es inmensamente grande e incluso cuando elijamos un camino por el cual especializarnos, vamos a dejar de aprender ciertas cosas y enfocarnos en este.

Esto resulta frustrante porque simplemente es imposible estar al tanto de todo. La solución que propongo es aplicar lo que se aprende de la manera más rápida posible, en un proyecto personal o no, que nos importe.

Conclusión

Para terminar podemos decir que la industria de la Data Science es muy grande y debemos aprender a vivir con que no lo sabremos todo, pero eso sí, sin parar nunca de aprender.

Contribución creada por: Ismael H.

Aportes 88

Preguntas 12

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

¿Alguien más ama esta nueva sección de entrevistas dentro de los cursos?

que lindo es escuchar a las personas que trabajan cada dia en cada una de las profesiones, este es un gran plus en los cursos de platzi ❤️

estuve viendo el perfil de Nazly Santos en LinkedIn y habla cuatro idiomas, increíble!

En mi experiencia he visto que un gran numero de startups latinoamericanas en sus primeros años prefieren optar por la velocidad en la ejecución y la toma de decisiones rápida, aunque esto implique arriesgar un poco de calidad.

Trabaje en una de las startups americanas mas reconocidas del mundo y las prioridades fueron muy diferentes, hay un ambiente de velocidad en la ejecución pero no se saltan pasos en el proceso y la planeación es esencial, el enfoque en la calidad es un pilar y las expectativas de todos los steakholders.

Siento que estas diferencias radican en aspectos culturales marcadas por el contexto y que se transforman en ideologías de trabajo.

Hacer proyectos personales, esa es la gran enseñanza de esta clase. De esa forma podemos aprender y retener, más y mejor, el nuevo conocimiento de DS.

Lo bueno de estos nuevos cursos son las entrevistas y los Quiz.

Este curso es como cuando uno ingresa a la universidad y le dan una semana de induccion exelente este modulo del curso da muchas herramientas y nociones para empezar .

En donde aplicar a Platzi Master y es aqui
https://platzi.com/master/

Me super encanto esta entrevista, palabras muy motivantes y realistas. Gracias Naslyz

En Kaggle hay un sin fin de datasets, recursos y minicursos donde podemos poner en práctica lo aprendido y llevar proyectos personales.

También hay competencias y su comunidad es bastante amigable.

Me da miedo saber como yo siendo futuro economista podria convertirme en alguien tan bueno como Nazly aldun dia

El que mucho abarca poco aprieta, creo que es mejor especializarse un rol y ver si se puede homologar con otra. Por lo menos mi plan es ser DS y después DA + ML. Por lo menos tengo claro en no ser ingeniero de datos ni desarrollador de software. No soy ingeniero de sistemas.

Lo que más rescato de esta entrevista es que no podemos estar al tanto de todo porque el mundo de Data Science es tan amplio como el mundo del Software

Yo ya estaba pensando en buscar a personas para tener una pequeña charla y me dieran su día a día de los perfiles, pero el buen platzi ya me dio eso. SON LOS MEJORES.

La empresa donde estoy trabajando se dedica al rubro de retail de prendas, accesorios y calzados. Es una de las más grandes en mi país (Paraguay) y no hacen buen uso de la extensa base de datos de clientes que tienen. Me gustaría pasar del puesto de ventas a la de análisis de datos y estoy estudiando mucho para lograrlo. Deseenme suerte compañeros!

Me parece increíble que sepa 4 idiomas, como mencionan abajo. Y yo reicén voy en esta clase, en la número de 14 de 22. Y eso que me faltan muchísimos cursos más. La verdad quiero aprender tanto de todo. Y ver a Nazly me motiva aún más.

Que inspirador 🥺❤️

Wao. Ver una entrevista de profesionales que estan directamente en el campo de trabajo. Esto es genial

Amé la entrevista. Mi admiración total a Nazly.

Es muy motivadora esta entrevista, ver a una mujer y Colombiana (Yo soy de Colombia) anima mucho a iniciar este camino.

Excelente entrevista a Nazly. En un momento habla que el día a día es diferente y que hay que estar aprendiendo continuamente. A la vez habla del overlaping de los roles que es el aporte que quiero dejar como emprendedor de una empresa de este tipo. Servir a empresas, entidades educativas o gobiernos necesita esa flexibilidad de roles y equipos interdisciplinarios.

What Would Help You Succeed

Believe and love what you do.
Enjoy solving problems.
Have imagination and you love innovating.
Being flexible & goal oriented.
Advanced English skills.
High performance analytics.
Experience with Java or Python.
Practical experience in Google Cloud Platform, using at least this part of the stack: Apache Beam, DataFlow, DataProc, DataPrep (is a plus!), Big Query and Cloud Storage.
Understand, guide and define the actionable output and required decision support to be obtained from a model.
Explicit and mathematize working hypothesis -axiomatize- to either validate or reject through modeling.
Analyze data sources for completeness of data semantics and gaps.
Develop the process to assess information quality and ready the data to be fed into a mathematical model.
Tune/calibrate/train the model for the required accuracy -generality trade off
Extract actionable output from model.
Analyze, interpret and present output.
Build required analytical workflow for modelling - system wide exempted.
Circle back to a refined problem definition to keep improving performance and actionability related to business strategy and capabilities.

me quedo con dos frases interesantes que menciona nazly
la primera de ellas:

  • “mi mayor reto fue convencerme de que ya tengo los conocimientos para ofrecer valor a una organizacion”.
    y en segundo lugar sus palabras finales:
    “EL CAMINO NO SERA FACIL PERO SERA RETADOR”; sin duda alguna inspiracion pura para los que vamos iniciando en esta fascinante carrera
    por otro lado me encanto que hizo mucho hincapie en la importancia de la comunicacion con las demas areas del negocio, nuevamente me confirma la necesidad y relevancia de que desarrollemos nuestras habilidades blandas ya que ellas seran nuestra gran ventaja competitiva respecto al resto de DA.

Excelente entrevista , preguntas puntuales y relevantes.

Interesatnte porde motivarse a traves de la experiencia de personas que se han capacitado en estos diferentes roles.

excelente…

Excelente charla, me intereso mucho y tengo pendiente repetirla varias veces en mi tiempo libre!

Excelente entrevista, muchas gracias

Con la sección de entrevistas te motivas a seguir, aprender de la experiencia hace la diferencia en la madurez mental, saber que todo es posible con la mentalidad adecuada, trabajo duro, constancia, mucha curiosidad y ganas de salir adelante, eso nos enseña Platzi ❤️.

una app que mida todo lo que haces 😮

mejor parte de la entrevista min 8:30

Amo esta seccion, sobretodo cuando son mujeres, gracias por inspirarnos ❤️

Genial testimonio Nazly Santos.

Señores, éstas entrevistas están GENIALES!

Creo que lo más dificil es lo que ella menciona, el miedo que da dar el salto profesional encaminado a DS sin haber tenido experiencia, sin haber trabajado antes en la industria. Pero creo a la vez que todo es posible… 😄

Platzi siempre pensando en sus estudiantes, traer una persona ya con tanta experiencia y que nos cuente en detalle el día a día de este rol es muy productivo para todos nosotros ya que así miramos lo que vamos hacer en un futuro, amo esta escuela gracias.
Estas entrevistas son muy buenas, que se implementen en todos los cursos

Que emoción saber que hay una diversificación de perfiles, teniendo en cuenta que soy contadora profesional y estoy iniciando mi carrera como DS ♥

increible!! Me encanto esta entrevista!!

El Data scientist vuelve datos e información útiles para resolver problemas

Los perfiles de las personas entrevistadas son increibles.

Lo que he aprendido hasta el momento es que me debo de enfocar en algo y que seria complicado saberlo todo. Siempre es importante saber del negocio para poder aplicar el analisis de datos. Me inclino mas a un data Analyst.

Las entrevistas son muy lindas ❤️ no se ciñan tanto a un guión xq pierde la naturalidad, dejen que fluya el carisma del entrevistado, un abrazo.! yo me voy a seguir estudiando. 🧉🤓

Algo que me encantó de la entrevista es que deja sobre la mesa el hecho que no siempre vas a abarcar todas las áreas. Y cuando te enfocas en un área, todas las demás se vuelven difusas. Y eso desespera, porque “sientes” que no puedes abarcar todo lo que quieres. Pero el camino del especialista es el enfoque.

Sería interesante ver un perfil dedicado al Data Scientist con una formación diferente al de Ingeniería de Sistemas. Esto, para saber cuáles son los retos y curvas de aprendizaje que tuvo qué enfrentar para llegar a este punto. Trabajo con desarrolladores que tienen Ciencias Humanas como carrera, y no sería descabellado tratar de encontrar a un perfil con estas características como Data Scientist.

Que buena entrevista 😊

Ojalá esto hicieran con expertos en cada curso, como es la vida laboral o consejos de como iniciar, bien por Platzi!

¿Cuál es el mayor reto que notas en las personas que están iniciando en el mundo de la Data y cuál solución propondrías?

¿Cómo es la comunicación del día a día con tus compañeros y las partes interesadas del negocio?

¿Cómo enfrentas trabajar para un nuevo proyecto?

¿Cuál es el mayor reto que has tenido trabajando en esta industria?

¿Cuáles son las actividades más frecuentes en el rol de Data Science?

¿Cómo defines el rol de Data Science y las diferencias del mismo con Data Analyst o Machine Learning Engineer?

¿Cómo conociste el mundo de Data Science?

¿Qué es Platzi Master?

Introducción de la entrevistada

EN ESPAÑABUEN SUELDO 2,5K€/MES

Conocimientos necesarios
SCALA
Spark
Python
CI/CD
Java
Matlab
Big data
cloud
Data
Metodologías ágiles
Requisitos mínimos
Data Scientist con al menos dos años de experiencia en Big Data con conocimientos:
-SCALA y Java implementados sobre Spark.
-Data Modeling, Data Pipelines.
-Lenguajes R y Python
-CI/CD

Proyectos personales, proyectos personales, proyectos personales ( ´・・)ノ(._.`)

Muy buena entrevista!

Con lo que me quedo de la clase es que los resultados siempre van a depender de la calidad y disponibilidad de los datos que tengamos.

¿Nazly Santos dicta algún curso en platzi!?

Sin duda, las entrevistas son de lo mejor en este curso. Bonita herencia del Datacademy y sería interesante aplicarlo a otras rutas dentro de otras escuelas.

Información resumida de esta clase
#EstudiantesDePlatzi

  • Podemos estar en Platzi Master 😃

  • Curiosidad y comunicación

  • Es importante seguir aprendiendo

  • Es bueno saber sobre dirección de proyectos

  • Data Science es un proyecto a largo plazo y es importante poner nuestros conocimientos en algo que nos importe

De mis clases favoritas en todo platzi. Muy concreta Nazly, gracias!

“mi mayor reto fue convencerme de que ya tengo los conocimientos para ofrecer valor a una organizacion”.
R E L A T A B L E

Que chévere escuchar estar experiencias, resulta bastante motivador e inspirador este espacio!

Excelente, sirve de mucha ayuda. En mi caso estoy iniciando en esta área, tengo experiencia a nivel financiero y gestión comercial.

Tengo muchas expectativas y me gustaría definir bien el rol al cual pueda aportar mas si el data analytics o data science.

Excelente entrevista, muy puntual y realista, excelentes consejos

Que chevere ver a Nazly, sus consejos han sido muy valiosos, para mi formación profesional.

Nazly! La vi hace poco en un taller y quedé encantada!!!

Mejor aporte: hacer proyectos personales y hablar cuatro idiomas

Las clases con entrevistas a los roles que estamos estudiando me parece una excelente forma de complementar lo aprendido.

Me esta gustando esta parte de las entrevistas, es una forma de entender mejor como funciona el mundo de Data, en este caso.

Me quedo con la linda reflexión final de Nazly. Para comenzar a analizar datos, es suficiente y fundamental comenzar con lo básico y nuestras finanzas personales son una gran vía de entrada. ¿Cuánto gastos por mes? ¿En qué gasto mi dinero? ¿Qué categorías puedo armar?
Comenzar con esto nos dará un buen panaroma exploratorio inicial.

Es bueno que se den un tiempo a leer el perfil de nazly en LinkedIN su formación educativa y también la experiencia laboral.

Me parece muy buenos estos nuevos espacios dentro de las lecciones, permiten una reflexión más allá de lo técnico.

Muchas gracias nazly!

Muy buen aporte, involucrar historias de éxito con profesionales

Excelente !!

me gusta esta sección de testimonios reales y tipo entrevista cuentan sus experiencia en el campo laboral.

Viendo en los empleas segun yo el que hace machine learning es el data engering pero no se la proxima clase lo veremos.

Excelente tener estos insides de gente que ya está en la industria, se agradece bastante.

Tengo casi 6 meses en platzi y apenas me entero que platzi master existe :v

4:55 ah, el síndrome del impostor.

En el día a día lo que se suele hacer es tomar información y lograr obtener insights para ofrecerle valor a la organización.
Las soluciones por parte tecnicas suele girar alrededor de utilizar Python.
Los proyectos difieren mucho de empresa a empresa y estan intimamente relacionados con la madurez de dichos datos. Enfocarse en qué es lo importante, con qué se cuenta (tiempo, personas, infraestructura, datos).
La comunicación con el equipo debe ser constante dado que suelen ser equipos multidisciplinarios.
Balancear ser teoricamente correctos con aportar valor y bajarlo a tierra para los clientes.
El mayor reto: es que no es algo a corto plazo ya que es una industria enorme. Hay que aceptar que no vamos a aprender todo lo demas por fuera del path de data science por mas frustrante que pueda ser.
Otro problema tambien puede ser poner los conocimientos en practica en proyectos personales como aplicarlo a nuestras compras del mes.

Justo lo que faltaba, egresados de estos temas dándo su punto de vista y compartiendo sus experiencias 💚

muy buen curso de introduccion, mi enfoque es hacer todas las escuelas de data terminando con machine learning, los datos son esenciales para cualquier empresa, trabajando bien con ellos, se hacen demasiados proyectos que ayudan a cualquier industria, debemos tener tambien en cuenta las habilidades blandas para tener complementos competitivos en tu enfoque.

Muy interesante los aportes que nos brinda Nazly, su experiencia es fresca y nos permite entender más de cerca la realidad de los que queremos ser DS

Súper la entrevista... Es necesario saber cómo emprendedores para que necesitamos los datos