1. ¿Qué es un científico de datos?

Encontrar un científico de datos es poco común, ya que incluso los profesionales más experimentados tienen dificultades para definir claramente su rol. Una posible definición es que un científico de datos es quien crea modelos predictivos o explicativos utilizando técnicas de aprendizaje automático y estadística. Esta profesión requiere un compromiso constante con el aprendizaje y la actualización de conocimientos. Aprender a aplicar Machine Learning no es suficiente; se necesita un cambio de mentalidad para abordar problemas de manera crítica y objetiva, y esto no sucede de la noche a la mañana.

Esta guía introductoria está diseñada para facilitar tu búsqueda del mejor material y orden de aprendizaje, aunque no sustituye las cientos de horas de práctica necesarias.

2. ¿Cuál es el fondo necesario?

Las primeras generaciones de científicos de datos provenían principalmente de campos como desarrollo de software, informática e ingeniería. Estos profesionales eran responsables de crear modelos de aprendizaje automático y optimizar procesos. Sin embargo, la mayoría de estas tareas han sido simplificadas por herramientas y programas de alto rendimiento, permitiendo a los científicos de datos concentrarse más en el modelado.

Hoy en día, el aprendizaje de programación ya no es tan complicado. Diferentes perfiles pueden acceder a este campo, especialmente gracias al uso de Python, un lenguaje de alto nivel fácil de aprender. Con solo unas semanas de estudio, puedes dominar los conceptos básicos. Además, muchos procesos se están automatizando, permitiendo a los científicos de datos dedicar más tiempo al análisis y modelado, en lugar de a la ingeniería.

3. Entonces, ¿qué estudiar?

Programación: Python y SQL

Es esencial aprender a programar. Aunque existen varios lenguajes útiles, Python es la opción más recomendable para principiantes. Tiene una gran comunidad dedicada al análisis de datos, lo que facilita la búsqueda de ejemplos y recursos.

Aprendizaje automático: el núcleo común

El aprendizaje automático es fundamental en este campo. Aunque es útil entender los modelos desde una perspectiva técnica, es más importante reconocer que muchos modelos funcionan como "cajas negras", transformando entradas en salidas. Aprender las técnicas comunes a todos los modelos es clave.

Estadísticas

Esta habilidad es crucial y a menudo la más desafiante. Comienza por estadísticas descriptivas y avanza hacia el análisis exploratorio de datos (EDA), probabilidad e inferencia. Comprender conceptos como sesgo de selección y pruebas A/B te distinguirá en el campo.

4. ¿Cuál es el camino ideal?

La respuesta a esta pregunta varía según el trasfondo de cada individuo, pero si eres principiante, es recomendable que sigas el área que más te apasione a medida que avanzas.

Prerrequisitos:

• Matemáticas: Álgebra → Cálculo
• Estadísticas: Estadística descriptiva → Probabilidad → Inferencia
• Python: Tipos de datos → Iteraciones → Condicionales → Funciones

Conocimientos básicos:

Un científico de datos debe tener un dominio básico en análisis de datos con Pandas, estadísticas, visualización (matplotlib, bokeh), SQL y aprendizaje automático supervisado y no supervisado.

Intermedio y avanzado:

A medida que avances, especialízate en áreas más complejas como estadísticas bayesianas, big data y producción de algoritmos. Familiarizarte con técnicas avanzadas es beneficioso, aunque no siempre necesarias.

5. ¿Dónde aprender todo esto?

Para aquellos interesados en la ciencia de datos a nivel global, recomiendo cursos en línea, preferiblemente gratuitos. Algunos cursos destacados son:

• Python: "Introducción a la informática y programación usando Python" de MITx (> 120h).
• Aprendizaje automático: Curso de Andrew NG en Coursera.
• Estadísticas: Fundamentos de estadística de MIT, gratis (> 160h).

6. Recomendaciones de libros y documentales

Libros:

• "Data Science From Scratch" por Joel Grus.
• "Python para el análisis de datos" por Wes McKinney.

Documentales:

• "MoneyBall" (2011) explora el análisis de datos en el béisbol.
• "AlphaGo" (2017) muestra el potencial del aprendizaje automático.