El descubrimiento y la exploración intensiva de datos ha generado un nuevo paradigma científico, el llamado “cuarto paradigma de la ciencia” o e-Science, que unifica la experimentación, la teoría y la computación. Los datos se consideran el nuevo activo estratégico, e impulsan o incluso determinan el futuro de la ciencia, la tecnología, la economía y posiblemente todo en nuestro mundo de hoy y de mañana.
No tiene que gastar una fortuna y estudiar durante años para comenzar a trabajar con big data, análisis e inteligencia artificial. Se prevé que la demanda de “científicos de datos de sillón”, aquellos sin calificaciones formales en el tema pero con las habilidades y el conocimiento para analizar datos en su trabajo diario, superará la demanda de científicos de datos calificados tradicionalmente en los próximos años.
Los equipos de ciencia de datos generalmente incluyen varios profesionales de análisis y datos y se pueden configurar de diferentes maneras, como se explica aquí junto con consejos para administrarlos.
En la próxima década, el papel del científico de datos tal como lo conocemos será muy diferente al actual. Pero no se preocupe, nadie predice la pérdida de puestos de trabajo, solo ha cambiado de trabajo.
Desde datos gubernamentales, de salud y financieros hasta meteorológicos, béisbol y Star Trek, hay innumerables colecciones de datos gratuitos disponibles para rascar su picazón analítica.
Para crear modelos efectivos de aprendizaje automático y aprendizaje profundo , necesita grandes cantidades de datos, una forma de limpiar los datos y realizar ingeniería de características en ellos, y una forma de entrenar modelos en sus datos en un período de tiempo razonable.