Elena Rodríguez: «Los profesionales de la ciencia de datos deben saber adaptarse a lo que venga en un futuro»
14/12/2023(Més avall trobareu la versió en català d’aquest contingut: Elena Rodríguez: “Els professionals de la ciència de dades han de saber adaptar-se al que vingui en un futur”.)
Elena Rodríguez es la directora del grado de Ciencia de Datos Aplicada / Applied Data Science de la Universitat Oberta de Catalunya (UOC). También es investigadora del grupo TEKING de los Estudios de Informática, Multimedia y Telecomunicación, donde se centra en la búsqueda de sistemas inteligentes de aprendizaje en línea y el análisis de datos que se generan, a fin de aplicar este conocimiento a la mejora del aprendizaje y evaluación de los estudiantes. En esta entrevista nos explica las ventajas de cursar el grado de Ciencia de Datos Aplicada / Applied Data Science para formarse en unas competencias claves para el futuro de las tecnologías digitales y los retos con los que se encontrarán estos profesionales.
¿Qué tipo de perfil y habilidades se requieren para cursar el grado de Ciencia de Datos Aplicada / Applied Data Science de la UOC?
El objetivo primordial del grado de Ciencia de Datos Aplicada / Applied Data Science es formar a especialistas en extraer información y conocimiento para que se pueda sacar provecho en un contexto determinado. Esto implica capacidad para formular las preguntas adecuadas para abordar un problema, seleccionar las fuentes de datos, analizarlas y presentar los resultados para poder responder a estas preguntas. En definitiva, se busca facilitar los procesos de toma de decisiones basados en evidencias o guiados por los datos (data-driven decision-making).
¿Qué perfiles podrían ser los adecuados para inscribirse en estos estudios?
Es un grado dirigido a una amplia audiencia que puede tener perfiles diversos. Sobre las habilidades destacaría sobre todo la capacidad de abstracción y el pensamiento crítico. También es necesario tener un interés en las matemáticas y la estadística, y en diferentes ramas de la informática. Además, es necesario poder leer textos técnicos en inglés.
A menudo, los estudiantes interesados en cursar el grado se preocupan por el nivel de matemáticas y de programación. Es recomendable tener un nivel similar al de las Matemáticas del Bachillerato de Ciencias y Tecnología, aunque si no se tiene tampoco es una barrera de entrada, dado que ofrecemos asignaturas que permiten adquirir este nivel o refrescar conocimientos. Las asignaturas Iniciación a las matemáticas para ingeniería y Pensamiento computacional para aprender a programar están pensadas para los estudiantes que nunca han programado. Asimismo, también se puede mejorar el nivel de inglés en el Centro de idiomas modernos de la UOC.
El objetivo del grado de Ciencia de Datos Aplicada / Applied Data Science de la UOC es formar a especialistas en extraer información y conocimiento para que se pueda sacar provecho en un contexto determinado.
¿Cuáles dirías que son las ventajas respecto a otros grados similares?
El grado de Ciencia de Datos Aplicada / Applied Data Science proporciona a los graduados y graduadas una solvencia en fundamentos científico-técnicos que podrán aplicarse en cualquier sector y ámbito profesional. También adquieren competencias transversales, como la capacidad de trabajar en equipos multidisciplinares en la red o la adquisición de competencias comunicativas. Desde el punto de vista metodológico y pedagógico, las asignaturas se enfocan desde la perspectiva de la ciencia de datos y proponen actividades en el contexto de la realidad profesional. En definitiva, el grado da respuesta a las necesidades de empresas, organizaciones y de la sociedad en general.
También destacaría el modelo educativo de la UOC, que es ágil y flexible y permite compaginar el estudio con las responsabilidades familiares y laborales. Es decir, el estudiante puede seguir su ritmo de aprendizaje en función de su disponibilidad.
¿Qué competencias y habilidades deben tener los graduados para poder tener un buen futuro laboral?
Por un lado, es necesario que tengan capacidad de análisis y síntesis, capacidad crítica a la hora de interpretar resultados, y la habilidad de comunicarse de forma efectiva. También es importante la capacidad de formular las preguntas adecuadas, de gestionar proyectos de ciencia de datos y de trabajar con equipos multidisciplinares.
Por otra parte, hablando de competencias científico-técnicas, necesitan aplicar conocimientos de matemática y estadísticas, así como conocimientos en minería de datos y aprendizaje automático. Estas capacidades posibilitan identificar interrelaciones y patrones en los datos, y realizar análisis rigurosos a diferentes niveles (por ejemplo, análisis exploratorio, predictivo y prescriptivo). Otra competencia fundamental es saber identificar y seleccionar las fuentes de datos a analizar. En muchos casos, además, habrá que tratar con datos masivos (big data) que imponen retos adicionales. Por tanto, todo científico de datos debe tener la capacidad de extraer, transformar y cargar estos datos para su análisis posterior, y debe saber escribir código de programación eficiente en diferentes lenguajes (por ejemplo, Python, Java, SQL y R).
Estas competencias fundamentales pueden complementarse con otras más especializadas, ya sean para un perfil profesional más analítico o de negocio o más de ingeniería e implantación de infraestructuras tecnológicas.
¿Qué salidas profesionales tienen los graduados del grado de Ciencia de Datos Aplicada / Applied Data Science?
Entre las principales salidas profesionales destacaría: científico de datos, analista de datos, arquitecto o ingeniero de datos, responsable de proyecto, analista de sistemas de información de inteligencia de negocio. También, analista de datos masivos y arquitecto o ingeniero de datos masivos. Las tareas asociadas a cada uno de estos perfiles se pueden leer aquí.
Debemos ser críticos con los resultados que nos proporciona la inteligencia artificial.
¿Cuáles son los principales retos a los que deben hacer frente actualmente los profesionales en ciencia de datos?
En primer lugar, es necesario saber adaptarse a lo que pueda acontecer en el futuro, especialmente en un campo como la tecnología. Por eso es clave el aprendizaje a lo largo de la vida, como bien saben los estudiantes de la UOC.
Otro reto es tener siempre presente la objetividad y el rigor de los análisis, por lo que es importantísimo trabajar con datos de calidad. Si no lo hacemos, los análisis serán poco útiles e incluso podemos contribuir a difundir información falsa y sesgada, por ejemplo, podríamos reproducir sesgos de género. Esto no solo es poco ético, sino que puede llegar a ser ilegal.
¿Cuáles son las tendencias de futuro en la ciencia de datos?
La mayoría de las tendencias están vinculadas a la inteligencia artificial (IA), tal y como proyecta la consultora Gartner. Destacan el desarrollo de modelos predictivos más potentes gracias a la IA generativa. En segundo lugar, las empresas tendrán que ser capaces de gestionar la confianza, el riesgo, la transparencia y la seguridad de sus productos basados en inteligencia artificial, no solo por responsabilidad social, sino para extraer mayor valor de negocio. Todo ello, atendiendo a las regulaciones que la Unión Europea quiere impulsar. Finalmente, la creciente demanda de inteligencia artificial en el extremo (edge IA), basada en técnicas de aprendizaje automático que pueden analizar los datos donde se generan y tomar decisiones en tiempo real y de forma autónoma. Este enfoque es especialmente interesante en contextos que utilizan dispositivos inteligentes (por ejemplo, sistemas de seguridad, robots industriales y ciudades inteligentes).
¿Qué beneficios aporta la IA y, también, qué riesgos potenciales ves en el ámbito social, económico, político…?
La inteligencia artificial ya está presente en distintos ámbitos de nuestra vida, tanto personal como profesional. Nos puede ayudar a adquirir productos y servicios personalizados, a tomar mejores decisiones ya liberarnos de tareas pesadas para dedicarnos a otras más creativas.
Pero no podemos perder de vista que son herramientas creadas por personas y, como tales, pueden resultar imperfectas. Los proveedores de soluciones basadas en IA tienen una responsabilidad social inmensa sobre la finalidad y calidad de estos productos. Como usuarios, debemos ser críticos con los resultados que nos proporcionan y ser conscientes de que son una herramienta más a nuestro alcance. Por ejemplo, las herramientas de inteligencia artificial generativa —como ChatGPT—, una tecnología que genera tanto entusiasmo como reticencias. Si bien nos pueden ayudar a ser más efectivos en el trabajo, debemos poder entender si el resultado es correcto y si se puede mejorar, y eso solo podemos saberlo si nosotros mismos somos capaces de realizar estas mismas tareas. En definitiva, es necesario educar a la población en inteligencia artificial y los profesionales de la Educación tenemos un papel clave.
Elena Rodríguez: “Els professionals de la ciència de dades han de saber adaptar-se al que vingui en un futur”
Elena Rodríguez és la directora del grau de Ciència de Dades Aplicada / Applied Data Science de la Universitat Oberta de Catalunya (UOC). També és investigadora del grup TEKING dels Estudis d’Informàtica, Multimèdia i Telecomunicació, on se centra en la recerca de sistemes intel·ligents d’aprenentatge en línia i l’anàlisi de dades que se’n generen, per tal d’aplicar aquest coneixement a la millora de l’aprenentatge i avaluació dels estudiants. En aquesta entrevista ens explica els avantatges de cursar el grau de Ciència de Dades Aplicada / Applied Data Science per formar-se en unes competències claus per al futur de les tecnologies digitals i els reptes amb què es trobaran aquests professionals.
Quin tipus de perfil i habilitats es requereixen per cursar el Grau de Ciència de Dades de la UOC?
L’objectiu primordial del grau de Ciència de Dades Aplicada / Applied Data Science és formar especialistes en extreure informació i coneixement perquè se’n pugui treure profit en un context determinat. Això implica capacitat per formular les preguntes adequades per abordar un problema, seleccionar les fonts de dades, analitzar-les i presentar els resultats per poder respondre a aquestes preguntes. En definitiva, es busca facilitar els processos de presa de decisions basats en evidències o guiats per les dades (data-driven decision-making).
Quins perfils podrien ser els adequats per inscriure’s en aquests estudis?
És un grau que s’adreça a una àmplia audiència que pot tenir perfils diversos. Sobre les habilitats, destacaria sobretot la capacitat d’abstracció i el pensament crític. També cal tenir un interès en les matemàtiques i l’estadística, i en diferents branques de la informàtica. A més, és necessari poder llegir textos tècnics en anglès.
Sovint, els estudiants interessats a cursar el grau es preocupen pel nivell de matemàtiques i de programació. És recomanable tenir un nivell similar al de les Matemàtiques del Batxillerat de Ciències i Tecnologia, tot i que, si no es té, tampoc és una barrera d’entrada, atès que oferim assignatures que permeten adquirir aquest nivell o refrescar coneixements. Les assignatures Iniciació a les matemàtiques per a enginyeria i Pensament computacional per a aprendre a programar estan pensades per als estudiants que mai no han programat. Igualment, també es pot millorar el nivell d’anglès al Centre d’idiomes moderns de la UOC.
L’objectiu del grau de Ciència de Dades Aplicada / Applied Data Science és formar especialistes en extreure informació i coneixement perquè se’n pugui treure profit en un context determinat.
Quines diries que són els avantatges respecte d’altres graus similars?
El grau de Ciència de Dades Aplicada / Applied Data Science proporciona als graduats i graduades una solvència en fonaments científic-tècnics que podran aplicar a qualsevol sector i àmbit professional. També adquireixen competències transversals, com la capacitat de treballar en equips multidisciplinaris a la xarxa o l’adquisició de competències comunicatives. Des del punt de vista metodològic i pedagògic, les assignatures s’enfoquen des de la perspectiva de la ciència de dades i proposen activitats en el context de la realitat professional. En definitiva, el grau dona resposta a les necessitats d’empreses, organitzacions i de la societat en general.
També destacaria el model educatiu de la UOC que és àgil i flexible, i permet compaginar l’estudi amb les responsabilitats familiars i laborals. És a dir, l’estudiant pot seguir el seu ritme d’aprenentatge en funció de la seva disponibilitat.
Quines competències i habilitats han de tenir els graduats per poder tenir un bon futur laboral?
Per una banda, cal que tinguin capacitat d’anàlisi i síntesi, capacitat crítica a l’hora d’interpretar resultats, i l’habilitat de comunicar-se de forma efectiva. També és important la capacitat de formular les preguntes adequades, de gestionar projectes de ciència de dades i de treballar amb equips multidisciplinaris.
D’altra banda, parlant de competències científico-tècniques, els cal aplicar coneixements de matemàtica i estadístiques, així com coneixements en mineria de dades i aprenentatge automàtic. Aquestes capacitats possibiliten identificar interrelacions i patrons a les dades, i fer anàlisis rigoroses a diferents nivells (per exemple, anàlisi exploratòria, predictiva i prescriptiva). Una altra competència fonamental és saber identificar i seleccionar les fonts de dades a analitzar. En molts casos, a més, caldrà tractar amb dades massives (big data) que imposen reptes addicionals. Per tant, tot científic de dades ha de tenir la capacitat d’extreure, transformar i carregar aquestes dades per a la seva anàlisi posterior, i ha de saber escriure codi de programació eficient en diferents llenguatges (per exemple, Python, Java, SQL i R).
Aquestes competències fonamentals poden complementar-se amb altres més especialitzades, ja siguin per a un perfil professional més analític o de negoci o més d’enginyeria i implantació d’infraestructures tecnològiques.
Quines sortides professionals tenen els graduats del grau de Ciència de Dades Aplicada / Applied Data Science?
Entre les sortides professionals principals destacaria: científic de dades, analista de dades, arquitecte o enginyer de dades, responsable de projecte, analista de sistemes d’informació d’intel·ligència de negoci. També, analista de dades massives i arquitecte o enginyer de dades massives. Les tasques associades a cadascun d’aquests perfils es pot llegir aquí.
Hem de ser crítics amb els resultats que ens proporciona la intel·ligència artificial.
Quins són els principals reptes a què han de fer front actualment els professionals en ciència de dades?
En primer lloc, cal saber adaptar-se al que pugui esdevenir en el futur, especialment en un camp com la tecnologia. És per això que és clau l’aprenentatge al llarg de la vida, com bé saben els estudiants de la UOC.
Un altre repte és tenir sempre present l’objectivitat i el rigor de les anàlisis, per la qual cosa és importantíssim treballar amb dades de qualitat. Si no ho fem, les anàlisis seran poc útils i fins i tot podem contribuir a difondre informació falsa i esbiaixada, per exemple, podríem reproduir biaixos de gènere. Això no només és poc ètic, sinó que pot arribar a ser il·legal.
De manera similar, les visualitzacions dels resultats han de seguir principis ètics i no contribuir a interpretacions errònies o interessades. Tots els aspectes lligats a la privadesa, seguretat de les dades i la comunicació de la informació són primordials, especialment si estem treballant amb dades de caràcter personal.
Quines són les tendències de futur en la ciència de dades?
La majoria de les tendències estan vinculades a la intel·ligència artificial (IA), tal com projecta la consultora Gartner. En destaquen el desenvolupament de models predictius més potents gràcies a la IA generativa. En segon lloc, les empreses hauran de ser capaces de gestionar la confiança, el risc, la transparència i la seguretat dels seus productes basats en intel·ligència artificial, no només per responsabilitat social, sinó per extreure’n més valor de negoci. Tot plegat, atenent les regulacions que la Unió Europea vol impulsar. Finalment, la demanda creixent d’intel·ligència artificial a l’extrem (edge IA), basada en tècniques d’aprenentatge automàtic que poden analitzar les dades on es generen i prendre decisions en temps real i de forma autònoma. Aquest enfocament és especialment interessant en contextos que utilitzen dispositius intel·ligents (per exemple, sistemes de seguretat, robots industrials i ciutats intel·ligents).
Quins beneficis aporta la IA i, també, quins riscos potencials hi veus en l’àmbit social, econòmic, polític…?
La intel·ligència artificial ja és present en diferents àmbits de la nostra vida, tant personal com professional. Ens pot ajudar a adquirir productes i serveis personalitzats, a prendre millors decisions i a alliberar-nos de tasques feixugues per dedicar-nos a d’altres de més creatives.
Però no podem perdre de vista que són eines creades per persones i, com a tals, poden ser imperfectes. Els proveïdors de solucions basades en IA tenen una responsabilitat social immensa sobre la finalitat i la qualitat d’aquests productes. Com a usuaris, hem de ser crítics amb els resultats que ens proporcionen i ser conscients que són una eina més al nostre abast. Posem per cas, les eines d’intel·ligència artificial generativa —com ara ChatGPT—, una tecnologia que genera tant d’entusiasme com reticències. Si bé ens poden ajudar a ser més efectius a la feina, hem de poder entendre si el resultat és correcte i si es pot millorar, i això només ho podem saber si nosaltres mateixos som capaços de fer aquestes mateixes tasques. En definitiva, cal educar la població en intel·ligència artificial i els professionals de l’Educació hi tenim un paper clau.