Una de las maneras más efectivas de aprender, o profundizar, en un tema es mediante la experiencia de otros, conocer los retos que enfrentaron, descubrir de qué manera utilizaron los conocimientos que han adquirido, algo que permite mejorar en lo propio o es útil para seguir sus pasos.

Al respecto, hace algún tiempo, compartíamos cómo era el día a día de un DBA, desde sus funciones básicas hasta las minucias que realiza durante su jornada laboral, para seguir esta línea, abordaremos las actividades diarias de un Científico de Datos (Data Scientist).

Otro tipo de experiencias que pueden consultar son las situaciones frutstrantes que viven estos profesionales.

Una perspectiva más afable de lo que es laborar como Data Scientist, la ofrece Niranjan Pedanekar, científico principal del Área de Investigación en Tata Consultancy Services (TCS).

Pedanekar es el responsable de un grupo llamado Área 66, compuesto por científicos de datos con distintos niveles de experiencia. Lo que hace su equipo se «podría clasificar como investigación académica y trabajo de industria, aunque también es una mezcla de entretenimiento, ciencias de datos y ciencia conductual».

Para que los lectores, entiendan de manera más clara sus actividades, el profesional de TATA explica que su equipo en la actualidad trabaja con aplicaciones de Inteligencia Artificial para las industrias de entretenimiento, medios y publicidad. Escriben algoritmos que permiten marcar medios automáticamente de distintas formas.

IA en las películas

Quizá te preguntes por qué hacemos esto. Bueno, existen varias aplicaciones para ello. Uno es la colocación de anuncios, los cuales algunas veces pueden no embonar bien con lo que está pasando en la película. Quizá estés viendo una escena realmente triste, seguida de un anuncio con gente bailando, para después volver a la lúgubre película.

Nuestra tecnología permitiría que los anuncios se acoplen con el tono de la película: un anuncio de una bebida después de una escena en el desierto o un anuncio de calzado deportivo después de una escena en la que hay gente corriendo.

También, estamos buscando cómo marcar películas según el ambiente. De esta forma, puedes distinguir entre una escena de persecución en un bosque y una escena de relajación en la playa. Esto podría ayudar a Netflix, Amazon, y otros servicios de streaming a dar una experiencia más personalizada a sus usuarios.

Digamos que eres fanático de Matrix y que has visto la película muchísimas veces, pero solo quieres ver las escenas de acción. Esto te permitiría hacer justo eso.

También hay beneficios sociales. En el futuro, y esto está en nuestra lista de cosas por hacer, podríamos marcar películas de violencia o contenido no apropiado para niños. Si la familia está viendo una película que todos disfrutan, pero hay una escena que podría alterar a los más pequeños, el algoritmo puede reconocerla. Gran parte de nuestro día lo pasamos analizando dichos datos y tratando de entrenar a los algoritmos para que aprendan de ellos.

Mantenerse al día

También necesitamos leer mucho sobre lo que está pasando en otros lugares. Gran parte de mi día lo paso leyendo artículos que otros escriben sobre sus investigaciones. Si eres científico de datos, no quieres quedarte atrás. También necesitas entender qué está pasando en el mundo, así que también leo muchos periódicos.

Las buenas investigaciones tienen lugar en la intersección de campos, por lo que también leo artículos de psicología o ciencias conductuales, así como de IA. Hay muchos aspectos conductuales en la publicidad, por lo que, si quieres integrar la IA en ella, tienes que entender cómo la gente reacciona a las cosas. También escribimos los resultados de nuestras propias investigaciones. Nuestro grupo escribe entre 5 y 10 artículos al año y asiste a muchas conferencias.

Nos reunimos cada semana para intercambiar ideas, pero de manera informal interactuamos casi diario a la hora de la comida o cuando pasamos por el escritorio de alguien más. Algunas veces, uno de nosotros quiere hacer algo que suena muy interesante, pero quizá no rinda frutos de inmediato. Así que es mi trabajo, como gerente del grupo, decidir qué investigación deberíamos seguir.

La importancia de la creatividad

Mi día es un continuo de entretenimiento, IA y arte convergiendo. A veces no puedo distinguirlas. Si me surge una idea para una obra y necesito escribir el argumento, lo hago de inmediato. Si estoy trabajando en una producción y me llega una idea sobre mi trabajo en IA, me enfoco en ella.

Necesitas esa creatividad en la ciencia de datos. Cuando estás atorado con un problema, tienes que encontrar varias formas de salir del problema. Lo mismo pasa cuando estás dirigiendo obras: tienes que ver lo que está escrito e imaginar cinco formas distintas de interpretarlas.

Ser un «buen» científico de datos

Necesitas comprender bien el problema y entender qué producirá tu trabajo y cómo ayudará. Por ejemplo, si estoy trabajando en un algoritmo que puede detectar cáncer con base en las resonancias de los pacientes, necesito entender qué significa la precisión del algoritmo. Puedo escribir un artículo que diga que mejoré los resultados y que la precisión fue de 95% a 96.3%, pero ¿qué significa, en realidad, en términos de salvar vidas? ¿Se pueden salvar doscientas o trescientas vidas más?

Es realmente importante poder entender los números y las tendencias, y cómo las cosas se afectan, en vez de solo perderse en los algoritmos. Tenemos que darles un sentido. La nueva ola de algoritmos, que es el aprendizaje profundo, por lo general no viene con respuestas que se pueden explicar. Así que tenemos que entender si esto nos parece bien o no.

Lo anterior también forma parte de las consideraciones éticas sobre la ciencia de datos. En algunas formas podemos comparar la ciencia de datos con el fuego. En algún momento, alguien descubrió el fuego que se puede usar para cosas tanto buenas como malas. La mismo se puede decir de la IA: se puede usar para diagnosticar cáncer o para armamento.

Algunos dirán que no se preocupan por esas cosas porque la ciencia es lo que realmente les importa, pero alguien en algún lugar tiene que preocuparse. Incluso alguien como Elon Musk, que es gran fanático de la IA, también advierte a la gente sobre los efectos negativos que ésta puede tener en el futuro. Lo más importante es encontrar un equilibrio y encontrar la forma de usarla para una buena causa.

¿Por qué resulta relevante hablar de este perfil? El Data Scientist es un rol de rápido crecimiento, las ofertas de trabajo para estos profesionales aumentaron en un 75% desde enero de 2015 hasta enero de 2018, de acuerdo a un estudio realizado por Indeed.