¿Por qué hay escasez de científicos de datos?

Hemos estado escuchando durante años sobre la brecha de habilidades en ciencia de datos, pero ¿cuál es el verdadero problema detrás de la escasez de talento?

La brecha de habilidades en ciencia de datos no está aquí porque no hay suficientes personas que puedan entrenar y analizar modelos de datos. Hay un montón de modeladores de datos talentosos que entienden el modelado conceptual de datos, modelado lógico de datos y más. El verdadero reto es encontrar personas que puedan recopilar datos, prepararlos, limpiarlos y poner sus modelos en producción.

Me refiero a profesionales que entienden cómo consultar y conectarse a bases de datos, saben cómo implementar una tienda de objetos y pueden contenedorizar modelos, convertirlos en API e incrustarlos en dispositivos de borde. En resumen, las personas que pueden aplicar aplicaciones prácticas a sus conjuntos de datos.

Aquí es donde se encuentra la escasez: Científicos de datos que son casi tan expertos en ingeniería de software como lo son en el modelado de datos. Las empresas necesitan personas que sepan cómo producir su producto para que pueda ser utilizado en casos de uso en el mundo real, no solo personas que puedan construir un modelo eficaz. Es por eso que Gartner identificar la ingeniería de la IA como una de las principales tendencias tecnológicas estratégicas para 2022, en la que los profesionales de la TI se centran en la puesta en marcha de modelos de IA.

Afortunadamente, los colegios y universidades tienen las herramientas necesarias para proporcionar entornos fantásticos para aprender el lado de la ingeniería de la ciencia de datos, y tienen la clave para minimizar la actual escasez de habilidades en ciencia de datos.

Es hora de que lo utilicen para abrir puertas a la próxima generación de profesionales de la ciencia de los datos.

Jugar a ponerse al día

Hasta ahora, sólo han apuntalado la puerta abierta un poco.

Demasiados profesores todavía se centran mucho en los aspectos teóricos y matemáticos de la ciencia de los datos y no tanto en los conocimientos prácticos necesarios para poner en práctica la ciencia de los datos. Tal vez eso es porque sienten que sus papeles son avanzar en la ciencia, no necesariamente entrenar a la gente para una profesión. Aunque eso es importante, tiene que haber un equilibrio entre ambos. De hecho, las cosas están mejorando, y más colegios y universidades están empezando a ofrecer algunos cursos limitados sobre cómo aplicar la ciencia de los datos y el modelado a las aplicaciones.

Pero necesitan evolucionar su plan de estudios más rápidamente para satisfacer la demanda. Eso es difícil, ya que a veces puede tomar unos años para crear y conseguir un solo nuevo curso aprobado. Eso no es aceptable cuando la tecnología avanza rápidamente cada pocos meses. La desconexión entre lo que se enseña y lo que se necesita continúa.

Mientras tanto, las empresas que tienen los recursos y conocimientos adecuados están tratando de compensar. Muchos están contratando administradores de bases de datos experimentados y graduados universitarios recientes y capacitándolos sobre despliegue de modelos prácticos e ingeniería de datos.

Hay inconvenientes en este enfoque. En primer lugar, una organización que no disponga de conocimientos prácticos sobre el despliegue de modelos no tendrá los conocimientos especializados necesarios para capacitar a un grupo de científicos que entre en funciones sobre esos conocimientos. Después de todo, no pueden enseñar lo que no saben. En segundo lugar, la capacitación puede llevar mucho tiempo, agotar recursos y socavar los esfuerzos de la organización por ser más rápida y eficiente.

Esto no es sostenible ni viable para la mayoría de las empresas, en particular las organizaciones más pequeñas que pueden no tener los medios para formar adecuadamente a sus empleados. Tampoco es justo para los estudiantes, que ya están entrando en la fuerza laboral en desventaja.

Pero los colegios y universidades no necesitan pasar años creando nuevos cursos. En cambio, pueden utilizar las herramientas de código abierto que ya tienen a su disposición para incorporar el aprendizaje práctico en sus cursos de informática existentes.

Creación de un ingeniero de datos

Las instituciones de educación superior han invertido mucho en tecnologías de código abierto durante varios años y están utilizando el software para resolver creativamente una variedad de desafíos. Se sienten atraídos por su interoperabilidad, seguridad y rentabilidad, entre otros beneficios.

Pero también entienden que más empresas están aprovechando el código abierto que nunca antes. De hecho, 95% de los encuestados a una encuesta reciente Red Hat dijo que el código abierto es importante para la infraestructura empresarial general de su organización. De hecho, el código abierto es el nuevo normal para TI . Esto hace que la enseñanza y el uso de tecnologías de código abierto sean de vital importancia.

Ya estamos viendo algunos colegios y universidades que imparten cursos sobre temas como aprender a usar los cuadernos de Python o Jupyter. Algunos incluso han incorporado estas herramientas en sus entornos de clase diarios. Ahora, es el momento de llevar las cosas aún más lejos mediante la creación de un marco que reúne estas y otras herramientas y vincula los aspectos teóricos de la formación de modelos a los aspectos más prácticos del desarrollo de software.

Eso no es difícil de hacer, gracias a la naturaleza abierta y flexible del software de código abierto. Las diferentes tecnologías se pueden combinar fácilmente para crear un todo cohesivo y dar a los estudiantes una visión más completa de cómo su trabajo puede ser utilizado para efecto práctico en una aplicación.

Por ejemplo, una enseñanza universitaria y el uso de Python y el uso de Jupyter Notebooks pueden combinar el uso de las herramientas en un solo entorno de clase. Los profesores pueden crear una sección especializada del curso que muestra a los estudiantes no sólo cómo trabajar con Jupyter Notebooks, sino también cómo transferir ese trabajo a un desarrollador. También pueden mostrar cómo un desarrollador de aplicaciones usando Python podría incorporar sus modelos de datos en sus aplicaciones. A los estudiantes incluso se les puede enseñar lo básico de cómo funciona Python sin ser entrenados para ser desarrolladores de aplicaciones.

Esencialmente, los colegios y universidades pueden aplicar los principios de la ciencia y la ingeniería en una sola clase. Los estudiantes pueden aprender a experimentar con sus modelos y cómo poner esos modelos en movimiento, llevándolos de la idea a la implementación.

Rellenar la brecha de habilidades

La competencia entre las empresas para encontrar científicos de datos talentosos no está mostrando signos de desaceleración. De acuerdo con EY , las organizaciones todavía tienen problemas para llenar roles centrados en los datos debido a programas de mejora ineficaz, una escasez de talento y más. Incluso organizaciones poderosas como la NASA están luchando para encontrar a la gente adecuada para los roles de ciencia de datos adecuados.

La manera más fácil y rápida de llenar esta brecha de habilidades cada vez mayor es que los colegios y universidades amplíen el alcance de algunos de sus cursos actuales. Deben considerar la incorporación de la ingeniería de software y las enseñanzas operacionales junto con sus ofertas actuales de ciencia de datos. Esto proporcionará a los estudiantes una perspectiva más completa – y útil – que les ayudará a prepararse mejor para lo que les espera, al tiempo que les dará a las empresas el talento que están buscando.

Guillaume Moutier es un arquitecto principal de ingeniería de datos en Sombrero Rojo Almacenamiento en la nube y servicios de datos, centrando su trabajo en servicios de datos, cargas de trabajo AI/ML y plataformas de ciencia de datos. Ex director de proyectos, arquitecto y CTO para grandes organizaciones, está constantemente buscando y promoviendo soluciones nuevas e innovadoras, siempre con un enfoque en la usabilidad y la alineación de negocios aportada por 20 años de experiencia en arquitectura y gestión de TI.

Encontrar a la persona adecuada para desempeñar el papel de ingeniero de robótica puede ser complicado debido a la combinación de habilidades requeridas. Este kit incluye una descripción detallada del trabajo, una muestra de preguntas de entrevista y un anuncio de deseo conciso para simplificar la tarea. De la descripción del trabajo: INTRODUCCIÓN Para muchas industrias y empresas, la fabricación de cualquier tipo es...

Es una práctica común para las empresas utilizar contratistas para descargar el trabajo a personas especializadas o reducir los costos asociados con ciertas tareas y responsabilidades. Esto puede liberar al personal interno para centrarse en iniciativas más complejas y valiosas. Las ventajas de esta práctica van de la mano con la necesidad de evaluar cuidadosamente las condiciones bajo...

Todos los sistemas operativos deben estar debidamente protegidos, en particular las estaciones de trabajo de los usuarios finales, que a menudo contienen o permiten el acceso a los datos de la empresa y en las que se basan la mayoría de las tareas de los empleados. Para obtener la máxima protección de seguridad de sus implementaciones de Windows 11, siga esta lista de verificación de TechRepublic Premium. Ejemplo: CHECKLIST DE POLÍTICA DE GRUPOs Siga las recomendaciones de Microsoft para...