¿Quién es el científico de datos número 1 en el mundo?

La industria del aprendizaje automático ha crecido enormemente desde su creación en la primera mitad del siglo XX. Los científicos de datos han sido responsables del crecimiento del aprendizaje automático. Algunos han contribuido a la investigación innovadora de las redes neuronales y el aprendizaje profundo, y otros han construido aplicaciones líderes en la industria del aprendizaje automático. Aquí hay una serie de científicos de datos que han contribuido tanto a la investigación de aprendizaje automático y a las aplicaciones como líderes en la industria. Muchos han construido innovaciones inimaginables y dejan sus innovaciones para los millones de aplicaciones de IA utilizadas hoy en día. Aquí está nuestra lista de los mejores científicos de datos de todo el mundo, liderando el campo de la IA que está cambiando y evolucionando cada día.

Yann LeCun

LeCun es uno de los científicos de datos más conocidos de nuestro tiempo. Es conocido como el Director de Investigación de AI en Facebook, pero ha hecho que la industria cambie de inventos que le han ganado un lugar en la parte superior de la lista de los mejores científicos de datos del mundo. Yann ha registrado 14 patentes estadounidenses y creado CNN (redes neuronales convolucionales), que es básicamente una de las razones por las que el aprendizaje profundo es lo que es hoy en día. Durante su tiempo en Bell Labs, su equipo hizo numerosas contribuciones a la informática como DejaVu (Yann LeCun, Yoshua Bengio, Léon Bottou y Patrick Haffner), y Support Vector Machines (por Vladimir Vapnik) y es uno de los ganadores del premio Turning por su trabajo en Deep Learning.

Dr. DJ Patil

En esencia, Patil calificó la categoría de trabajo para un “científico de datos” en sus días como científico jefe en Linkedin. Ha sido un líder en el campo, y ha moldeado el futuro de la política de datos en Estados Unidos, sirviendo como el primer Jefe Científico de Datos en la Casa Blanca para Obama. Ha sido responsable de difundir Big Data entre industrias y agencias gubernamentales, e incluso ayudó a Facebook a crear sus primeros programas de ciencia de datos. Ha ayudado a difundir la ciencia de datos como una estrategia empresarial, y ha guiado a millones de empresas en la construcción de sus equipos de ciencia de datos con su libro “Construir equipos de ciencia de datos ”.

Yoshua Bengio

Junto con Yann LeCun, Yoshua ha sido llamado por algunos, uno de los “padres del aprendizaje profundo” y fue uno de los ganadores del prestigioso premio Turing. Su trabajo ha sido esencial para el progreso de la inteligencia artificial. Él ayudó a construir la técnica que combina grandes cantidades de datos con muchas capas de redes neuronales artificiales, que se inspiran en el cerebro. Su trabajo fue pionero en el uso de redes neuronales de representaciones distribuidas para palabras (o incrustaciones de palabras), así como el uso de mecanismos de atención suave. Ambas innovaciones conducen a importantes avances en el procesamiento del lenguaje natural. Junto con Yann LeCun y Geoff Hinton, Bengio recibió el premio por hacer de las redes neuronales profundas un “componente crítico de la computación”. Sigue siendo un líder activo en el mundo académico y en el campo de la investigación de la IA , y ha asesorado y cofundado varias start-ups de IA, incluyendo IA elemental.

Corinna Cortes

Corinna es también una exalumna del famoso grupo Bell Labs responsable de algunas de las innovaciones y descubrimientos más influyentes en AI. Cortes es muy conocida por sus contribuciones a las bases teóricas de las máquinas vectoriales de apoyo (VMS) también conocidas como aprendizaje supervisado, por lo que junto con Vladimir Vapnik recibió el Premio de Teoría y Práctica de Paris Kanellakis 2008 y su trabajo en la minería de datos en grandes conjuntos de datos por los que fue galardonada con la Medalla de Ciencia y Tecnología AT&T en el año 2000.

Leslie Kaelbling

El Prof. Kaelbling es un profesor e investigador destacado en el MIT. Ha realizado una investigación sustancial sobre el diseño de agentes situados, robótica móvil, aprendizaje de refuerzo y planificación teórica de decisiones. Es la fundadora y editora en jefe del Journal of Machine Learning Research. Ha contribuido significativamente en el campo de la robótica y es ampliamente reconocida por adaptar parcialmente el proceso de decisión de Markov observable de la investigación de operaciones para su aplicación en inteligencia artificial y robótica. Kaelbling recibió el premio ICCAI Computers and Thought Award en 1997 por aplicar el aprendizaje de refuerzo a los sistemas de control integrados y desarrollar herramientas de programación para la navegación robot.

Nando de Freitas

De Freitas es un investigador de primer nivel en los campos de redes neuronales y aprendizaje profundo, aprendizaje de refuerzo, aprendizaje de aprendizaje y enseñanza, descubrimiento de metas y programas, transferencia y aprendizaje de múltiples tareas, razonamiento y cognición. Sus numerosos trabajos académicos han sido señalados como una autoridad en el aprendizaje automático. Es profesor de Ciencias de la Computación en la Universidad de Oxford, así como un científico investigador de alto nivel en Google DeepMind en Londres.

Caitlin Smallwood

Smallwood es el vicepresidente de Ciencia y Análisis de Datos, Netflix. Ella ha aplicado la ciencia de los datos con valor de negocio real con su equipo que impulsa modelos de decisión predictiva, investigación de algoritmos / aprendizaje automático, y la ciencia de la experimentación para todas las partes del negocio de Netflix. Su carrera ha incluido trabajar en Yahoo! como director de soluciones de datos y en PWC como gerente senior en consultoría cuantitativa.

Chris Mattmann

Matman es Científico Principal de Datos y Arquitecto Jefe en el Laboratorio de Propulsión Jet de la NASA. Ayudó a desarrollar la tercera generación del sistema de procesamiento de datos e integración de información Apache Object Orientated Data Technology. Ayudó en la invención de Apache Tika, y Apache Nutch, frameworks de software ampliamente utilizados para la detección y el análisis de contenido, y ha continuado su trabajo con Dark Web y tecnologías de procesamiento automatizado de datos líderes equipos de investigación que trabajan con DARPA y NASA JPL en el proyecto Memex. El proyecto incluye el descubrimiento y la difusión de datos de la Dark Web.

Andrew Ng

Ng es el fundador y líder de Google Brain, un equipo de investigación de inteligencia artificial de aprendizaje profundo en Google. Su trabajo anterior fue como vicepresidente y científico jefe en Baidu. Si bien es más conocido por sus cursos de aprendizaje en línea en aprendizaje automático y aprendizaje profundo, también ha contribuido a gran parte de la investigación de hoy en día en el aprendizaje profundo. Como ex miembro de Bell Labs llevó a cabo una investigación sobre el aprendizaje de refuerzo, selección de modelos y selección de características. Es uno de los científicos de datos más influyentes y conocidos del mundo.

Gideon Mann

Kira Radinsky

Radinsky se especializa en la minería de datos predictivos y ganó reconocimiento después de que su software predijo el primer brote de cólera en 130 años en Cuba. La predicción se basó en el patrón identificado por la minería de 150 años de datos de diversas fuentes: en los países pobres, las inundaciones en el plazo de un año después de una sequía a menudo seguida de un brote de cólera. En Microsoft Research lidera la investigación en el campo de la Web Dynamics y la Recuperación de Información Temporal. Anteriormente ha liderado como directora de ciencia de datos en Ebay

Angela Bassa

Angela Bassa es una experta en la construcción y liderazgo de equipos de datos. Ella tiene más de 15 años de experiencia en todas las industrias: finanzas, ciencias de la vida, agricultura, marketing, energía y software. Angela lidera los equipos de Analytics, Data Science y Machine Learning de iRobot, donde ayuda a aportar inteligencia a una flota global de millones de robots de consumo. También es una reconocida oradora principal y autora, con créditos como el Wall Street Journal y Harvard Business Review.

Jeff Hammerbacher

Jeff fue uno de los primeros empleados de Facebook, responsable de construir el equipo de datos y desarrollar la tecnología necesaria para manejar la cantidad sin precedentes de datos que la empresa estaba generando. Después de Facebook fundó Cloudera, donde también sirvió como científico jefe. A través de Facebook y Cloudera sus equipos fueron responsables de conducir muchas de las aplicaciones de las estadísticas y el aprendizaje automático en Facebook, así como la construcción de la infraestructura para apoyar estas tareas para conjuntos de datos masivos. Ha sido un contribuyente crítico a la creación de tres de las bases de datos de código abierto más populares (Cassandra, Hive e Impala) que ha impactado mucho en las industrias de macrodatos y aprendizaje automático.

Dr. Eva-Marie Muller-Stuler

Eva es la principal científica de datos y Analítica y líder en prácticas de IA en IBM MEA. La Dra. Eva-Marie es autora y coautora de numerosos documentos y publicaciones, así como miembro de diversas sociedades matemáticas, entre ellas Women in Machine Learning. Mientras que el científico jefe de datos de KPMG en Decision Science, la Dra. Eva dirigió el desarrollo de nuevos enfoques innovadores para facilitar los motores de decisión en tiempo real impulsados por datos estratégicos.

Monica Rogati

Monica es líder en la comunidad de ciencia de datos. Fue Vicepresidenta de Datos de Jawbone de 2013 a 2015 y fue científica senior de datos en LinkedIn durante cinco años, donde construyó la versión inicial del sistema de búsqueda de empleo de LinkedIn y el primer modelo de aprendizaje automático para la función “Personas que puedes conocer” de LinkedIn. Actualmente es socio de Data Collective (DCVC) y asesora científica de CrowdFlower. Ella contribuye en gran medida al campo de la ciencia de los datos como oradora y líder de pensamiento.

Andrew Therriault

Andrew Therriault ha dirigido equipos de análisis y ciencia de datos para las principales organizaciones, incluyendo la Ciudad de Boston, como Director de Ciencia de Datos en el Comité Nacional Demócrata y Facebook enfocados en resolver problemas del mundo real. Ha pasado los últimos quince años trabajando con datos como practicante, investigador, educador, asesor y líder especialmente especializado en el gobierno local o Big Tech. Fue nombrado como el primer Oficial Jefe de Datos de Boston, liderando un equipo de más de veinte empleados, contratistas y becarios que trabajan en las áreas de ciencia de datos, ingeniería de datos, gestión de rendimiento, datos abiertos y análisis geoespacial. Desarrolló estrategias, políticas y programas para promover el uso de datos y análisis en todo el gobierno de la ciudad mientras manejaba los riesgos políticos, legales y de privacidad asociados. Guió el diseño e implementación de nuevas plataformas de ciencia y almacenamiento de datos para ofrecer escalabilidad, fiabilidad, seguridad y rendimiento de grado empresarial para proyectos de análisis.

Jeremy Stanley

Jeremy es el vicepresidente de ciencia de datos en Instacart. Instacart está aplicando actualmente el aprendizaje profundo para ayudar a los compradores a ser más eficientes a través de la lista de compras. El equipo de Jeremy utiliza la IA y el aprendizaje profundo para permitir a Instacart predecir la secuencia en la que los compradores escogen artículos en tiendas específicas – en algunos casos ahorrando un 10% más de tiempo en la tienda. Ha sido instrumental en la aplicación de la ciencia de los datos a aplicaciones del mundo real en cómo las tecnologías de IA están permitiendo la economía de entrega bajo demanda y las implicaciones que estos avances tendrán en la industria minorista.

Kamelia Aryafar

Lili Jiang

Lili es la Jefa de Ciencia de Datos en Quora. Dirige un equipo de científicos de datos en Quora en Mountain View, CA. Su equipo ofrece información y señala oportunidades de crecimiento relacionadas con el sistema de recomendaciones de contenido de Quora, que cura el conocimiento personalizado a cientos de millones de usuarios. Ella tiene proyectos líderes en los que se centró en el uso de información para identificar oportunidades en los canales de activación y retención de usuarios. Se graduó en Harvard con una licenciatura en Física. En Harvard, llevó a cabo una investigación biofísica que construyó la cadena Markov y modelos sesgados de caminatas aleatorias para entender la interacción del ARN proteico y las barreras energéticas.

Richard Socher

Richard es el científico jefe (EVP) de Salesforce, donde dirige equipos que trabajan en investigación fundamental, investigación aplicada, incubación de productos, búsqueda de CRM, automatización de servicio al cliente y una plataforma de IA de productos cruzados para datos no estructurados y estructurados. Anteriormente ha sido profesor adjunto en el departamento de ciencias de la computación de Stanford y fue el fundador y CEO/CTO de MetaMind que fue adquirido por Salesforce en 2016. En 2014.

Aunque estos son sólo algunos de los científicos de datos que hemos reconocido, hay muchos científicos de datos de buena reputación construyendo la IA del futuro que también debe ser reconocido. Esperamos ver a más héroes de aprendizaje automático prosperar, y ver más estrellas en esta lista. Esperemos que esta lista inspire a otros a unirse al campo, y dará a otros científicos de datos un lugar para aprender sobre nuevas oportunidades en el campo de la IA tanto en una empresa corporativa, o en la investigación, o por causas sociales.