¿Cómo está cambiando el Deep Learning la forma de analizar datos?
La Inteligencia Artificial y el Machine Learning son las piedras angulares de la próxima revolución informática. Estas tecnologías se basan en la capacidad de reconocer patrones y, a partir de datos observados en el pasado, predecir resultados futuros. Aunque las máquinas que utilizan los principios de la IA suelen denominarse "inteligentes", la mayoría de estos sistemas no aprenden por sí solos; es necesaria la intervención de la programación humana. Los científicos de datos preparan las entradas, seleccionando las variables
Mujeres en la Ciencia de Datos: la importancia de la Educación STEM para reducir la desigualdad de género
La mayoría de los sectores tienen un problema de imagen: la gente quiere contratar al más inteligente del grupo, la persona que encaja en el puesto de trabajo, con el aspecto adecuado, con atributos físicos específicos que van a impresionar a los clientes y a los competidores, etc. En lo que respecta a la Ciencia de Datos, mucha gente considera que este sector es únicamente para hombres, lo que aleja cada vez más a las mujeres de esta carrera.
La cultura Data Centric
Los datos están en el centro de todo lo que hace una organización: ayudan a los ejecutivos de las empresas a tomar decisiones mejor informadas, a predecir lo que es probable que compren los clientes, a producir productos y servicios más inteligentes y a optimizar los procesos empresariales. Los datos también impulsan tecnologías transformadoras (Inteligencia Artificial, análisis predictivo, Machine Learning), que las organizaciones están aprovechando para crear una ventaja competitiva o alcanzar objetivos estratégicos. Según el McKinsey Global Institute, una
5 cualidades que debe tener un buen científico de datos
La ciencia de los datos sigue siendo un tema candente entre los profesionales cualificados, así como para las organizaciones que se centran en la recopilación de datos que favorezcan el crecimiento del negocio. Poseer una gran cantidad de datos es un activo para cualquier organización, pero sólo si se procesan de manera eficiente. Las necesidades de almacenamiento se multiplicaron cuando entramos en la era del Big Data. Hasta 2010, todo el trabajo se centraba en la construcción de una
