Tener un doctorado solía ser ventajoso para los científicos de datos. Ya no.

0 Comments

Insert Audio

Esta mañana escuché al ritmo del episodio de podcast AI Stories de Neil Leiser con Damien Benveniste, PhD, y encontré algunas ideas interesantes que pensé en compartir contigo.

Aquí van:

6 diferencias clave entre hacer un doctorado en ciencia de datos y lanzarse al ámbito corporativo:

Enfoque

PhD: Tu enfoque está en descubrir modelos nuevos y únicos. Tu trabajo debe ser publicable, único e impecable.

Camino Corporativo: Tu enfoque está en el valor monetario, la satisfacción del usuario y diversos KPI empresariales.

Medición de Valor

PhD: Las publicaciones y citas son los KPI.

Camino Corporativo: El éxito se mide por resultados tangibles como ingresos, ahorros de costos, satisfacción del cliente y otros KPI empresariales.

Responsabilidad

PhD: Tienes un alto grado de independencia. No estás limitado por presiones comerciales inmediatas. No hay presión de rendir cuentas a nadie que pueda terminar tu empleo.

Camino Corporativo: Eres responsable del impacto de tu trabajo en el éxito de la empresa. Debes cumplir con plazos y entregar resultados tangibles que justifiquen tu empleo y salario.

Estilo y Ritmo de Trabajo

PhD: La velocidad del trabajo a menudo es más relajada porque se enfatiza en la investigación exhaustiva y la calidad. No hay plazos.

Camino Corporativo: El mundo corporativo exige eficiencia y productividad. Se espera que completes tareas y proyectos dentro de plazos y trabajes bajo presión.

Mercado Laboral y Avance Profesional

PhD: Tener un doctorado podría ofrecer una ligera ventaja en cuanto a la colocación laboral inicial.

Camino Corporativo: Muchos roles de ciencia de datos en la industria ya no requieren un doctorado.Aunque un doctorado podría ofrecer una ligera ventaja en la colocación laboral inicial, el costo de oportunidad de los años pasados en la academia es significativo.

Habilidades

PhD: Estás equipado con la capacidad de aprender rápidamente y abordar problemas técnicos de manera independiente. También se te brinda una sólida base matemática.

Camino Corporativo: Desarrollarás la capacidad de ofrecer resultados prácticos, trabajar eficientemente y cumplir con los objetivos empresariales.

Pensamientos Finales del Orador Invitado

<img decoding=” /> Si tu objetivo es convertirte en profesor o satisfacer una sed personal de conocimiento, perseguir un doctorado puede ser una experiencia gratificante.

<img decoding=” /> Pero si estás motivado por el deseo de asegurar un mejor trabajo, un doctorado puede no ser la mejor elección. En cambio, puedes construir una carrera más gratificante en la industria más rápidamente adquiriendo experiencia práctica.

 

¿Te interesa conocer más de nuestra escritora invitada?

Podés seguirla en:

 


Si querés cambiar de carrera hacia Inteligencia Artificial y no sabés cómo empezar, te recomiendo lo siguiente:

Escuchar mi podcast, Inteligencia Aumentada, en Spotify

Seguirme en LinkedIn

Visitá mi página personal

Si estás haciendo la transición hacia ciencia de datos y te cuesta conseguir tu primer empleo, creé el DataLab Workshop que te ayudará a destacar en tu búsqueda laboral.

¿Que es el Datalab Workshop?

Es una experiencia donde aprenderás a trabajar en equipo junto con otros científicos de datos como vos, a resolver un problema de ciencia de datos de punta a punta, desde el planteamiento del problema hasta el despliegue y la presentación de la solución, igual que como se hace en el ámbito profesional. Visita la página aquí: DataLab Workshop.

Con todos estos recursos, ¡no tenés excusas! Tu cambio puede empezar hoy.

About the author 

Soledad Galli

Instructora y autora destacada en aprendizaje automático, con énfasis en mejorar pipelines, ingeniería de características, selección óptima y manejo de conjuntos de datos desequilibrados. Autora de libros reconocidos como "Python Feature Engineering Cookbook" y "Feature Selection in Machine Learning with Python". Desarrolladora de Feature-engine, una biblioteca Python de código abierto con 150k+ descargas mensuales y 1.3k estrellas en Github. Experiencia como científica de datos en finanzas y seguros, liderando implementaciones de aprendizaje automático. Apasionada por apoyar el aprendizaje en ciencia de datos y tecnología para abordar problemas sociales.

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
Subscribe to get the latest updates
>