Big Data
Machine learning

El aprendizaje de máquinas transformará la ciencia de datos, según el CTO de Teradata

El papel de los científicos de datos se transformará a medida que las técnicas de aprendizaje de máquinas se vuelvan más ampliamente utilizadas por las empresas, de acuerdo con Stephen Brobst, CTO de la firma analítica Teradata.

machine learning

Aunque muchos de los principios de la Inteligencia Artificial no son nuevos, el interés dentro de un entorno empresarial ha explotado, a medida que el uso se vuelve más extendido y sofisticado, el papel de los científicos de datos comenzará a evolucionar también, de acuerdo con Brobst.

Explica que los científicos de datos han pasado de alimentar modelos predictivos y se centrarán más en la selección de qué aprendizaje automático o herramientas de aprendizaje profundo para utilizar para tareas específicas. "En lugar de que los científicos de datos pasen la mayor parte de su tiempo trabajando con los datos en sí, van a pasar la mayor parte de su tiempo trabajando con los algoritmos, por lo que hay que ser mucho más sofisticados en la selección de algoritmos y la selección de topología en una red neuronal" asegura y añade “se está convirtiendo en algoritmos avanzados utilizados para fines de aprendizaje de máquinas. En el aprendizaje profundo habrá más requisitos para la selección de algoritmos basados ​​en el tipo de datos que tengas y así sucesivamente por lo que este cambio de conjunto de habilidades será muy, muy interesante".

Dificultades de las ciencias de datos

Para muchas empresas, sin embargo, el desafío es encontrar la experiencia adecuada en ciencia de datos en primer lugar. El acceso a las competencias sigue siendo un desafío importante, a pesar de los esfuerzos de las empresas de tecnología para proporcionar cursos de capacitación y recursos.

Una solución es mejorar la formación y la educación. Brobst explica: "no puedes hacer que sea tomar expertos en ciencia de datos de donde sea, también tienes que construir la experiencia e invertir en el sistema educativo. Tenemos que cambiar la forma en que la sociedad piensa en invertir, tenemos que estar invirtiendo en el sistema educativo para construir la ciencia, la tecnología, la ingeniería y las matemáticas".

Brobst dice que el enfoque en la enseñanza de temas STEM ha perdido el aspecto de los puestos de trabajo, tales como los papeles de ciencia de datos, es decir, la capacidad de pensar creativamente. "Hay que educar en la creatividad, porque si es una cosa puramente mecánica, entonces no vas a conseguir avances realmente interesantes. La gente piensa que las matemáticas y la ciencia son pensamiento mecánico y no es así".

 



TE PUEDE INTERESAR...

Nuevo número de nuestra revista de canal 
 
DealerWorld Digital

 

Cobertura de nuestros encuentros

 

Documentos ComputerWorld



Forma parte de nuestra comunidad

 

¿Te interesan nuestras conferencias?