¿Es la creciente mercantilización en el LD una seria preocupación para sus practicantes o aspirantes?

Esto debe ser leído y releído especialmente por los nuevos entrantes. Data Science & Big Data (más allá de reempaquetar trabajos clásicos de análisis de datos como Data Scientist) sin experiencia en el dominio (biología, finanzas, diseño de productos, etc.), cualitativa (datos pequeños y empatía cognitiva en torno a los datos pequeños si los humanos reales están involucrados en el subyacente proceso) la comprensión a menudo es inútil. Aunque algunos expertos en IA realmente talentosos (0.1% superior) tienen habilidades asombrosas para crear un sistema ML listo para la producción (por ejemplo, el sistema de diagnóstico probabilístico de Watson) capaz de vencer a los expertos en el dominio, considérelo como una excepción. Su trabajo diario (en la industria, a menos que sea un investigador senior de ML en Microsoft Labs, por ejemplo) girará principalmente en torno a la ingeniería de datos, más que al aprendizaje automático. El “zumbido” que experimentas en los medios de comunicación o en el excelente libro de Pedro Domingo fue creado a propósito por reclutadores, constructores de publicidad y algunos académicos de la torre de marfil que a menudo “eligen” no trabajar para la industria, para garantizar la sostenibilidad de la industria. volumen del lado de la oferta. Sin experiencia en el dominio y comprensión cualitativa , su papel como Científico de Datos puede ser fácilmente (y pronto será) automatizado y comercializado. (Economía 101)