No, todavía es temprano.
La ciencia de datos como profesión todavía está en pañales. El término Data Scientist fue acuñado por DJ Patil y Jeff Hammerbacher hace menos de diez años.
Según casi todas las encuestas, incluida una reciente de McKinsey [1], la demanda de científicos de datos supera con creces la oferta.
- Cómo construir un motor de recomendación en tiempo real
- ¿Dónde puedo encontrar cursos de aprendizaje automático y redes neuronales en la web?
- ¿Existen aplicaciones para bandidos multi armados en el campo de aprendizaje profundo?
- ¿Es Siraj Raval el Neil De Grasse Tyson del aprendizaje profundo?
- ¿Cuál es la diferencia entre regresión logística y factorización matricial?
Mejor aún, la demanda solo aumentará. La adopción ha sido lenta en muchas industrias. Aunque los gigantes tecnológicos de Silicon Valley están prosperando en la ciencia de datos, todavía es difícil convencer a los líderes de las industrias conservadoras de que el análisis avanzado tendrá un impacto real en sus negocios. Una vez que inevitablemente se suban al carro, la ciencia de datos se convertirá en una de las profesiones definitorias del siglo XXI.
Las herramientas de aprendizaje automático son cada vez más avanzadas, pero aún están muy lejos de ser realistas para reemplazar el trabajo humano. Las herramientas de ML no llegan al núcleo de lo que hacen los científicos de datos, que es comprender los datos y encontrar formas innovadoras de utilizarlos.
Notas al pie
[1] La era de la analítica: competir en un mundo basado en datos