En el mercado laboral cada vez nos encontramos con más anuncios solicitando perfiles profesionales del científico de datos y lo mismo pasa con las opciones de formación, tanto para aquellos que buscan especializarse en campos específicos como para aquellos que recién están en sus primeros pasos.
Si bien existen muchos cursos presenciales, también hay a disposición una gran variedad de cursos en linea. Desde algunos con conceptos fundamentales del aprendizaje autónomo (Machine Learning) hasta especializaciones en modelos probabilísticos, hay formación en online respecto a ciencia de datos que se ajusta a todos los perfiles, niveles y necesidades. Desde BBVA Data & Analytics realizaron un listado de cursos recomendados por científicos de datos que se encuentra ordenados según sus niveles de especialización, basado en la opinión personal de sus compañeros y compañeras, por lo que no debe tomarse como una guía exhaustiva.
Algunos de los cursos en línea son específicos para la materia tratada, mientras que otros forman parte de un programa de formación más amplio que incluye más cursos.
Nivel básico
Especialización en Data Science. Creado por la Universidad Johns Hopkins. Este programa de formación está compuesto por 10 cursos de diferente duración destinados a principiantes que se quieran iniciar en el mundo de la ciencia de datos. Su enfoque persigue aglutinar todos los conceptos básicos que guían la ciencia de datos. Disponible en Coursera.
Deep Learning Course. Creado por Lazy Programmer. Como en el caso anterior, se trata de un conjunto de cursos en línea enmarcados en el concepto de Deep Learning, pero que repasa prácticamente todos los conceptos de ciencia de datos desde un nivel básico, pasando por Machine Learning o NLP. La sencillez de las explicaciones son uno de los puntos fuertes de estos cursos.
Nivel intermedio
Machine Learning. Creado por la Universidad de Stanford. Con un temario estructurado en 11 semanas, se trata de un curso que contempla todos los conceptos básicos de Machine Learning desde un enfoque teórico, pero sin perder el punto de vista aplicado. El nivel es alto y resulta muy recomendable para quien quiera empezar a saber qué es Machine Learning y sus matemáticas, así como para quien quiera refrescar algunos conceptos vistos en el pasado. Eso sí, requiere esfuerzo para entender los detalles matemáticos y dedicación para realizar las prácticas. Es impartido por Andrew Ng, gurú en Machine Learning, y está disponible en Coursera.
Text Retrieval and Search Engines y Text Mining and Analytics. Creado por la Universidad de Illinois. Ambos cursos pertenecen al programa de formación especializado en Data Mining y constituyen una buena introducción a las técnicas clásicas de NLP, la analítica de texto, los buscadores y los sistemas de recomendación basados en contenido. Su tiempo de dedicación estimado es de 20 horas cada uno. Además, estos dos cursos introducen el modelo vectorial de documentos, TF-IDF, técnicas de evaluación de clasificadores y buscadores, análisis de sentimiento, clusterización de documentos, modelado de topics y visualización. Son, sin duda, un buen complemento a otros cursos de NLP para Deep Learning que suelen centrarse en problemas supervisados. Disponibles en Coursera.
Nivel avanzado
Probabilistic Graphical Models. Creado por la Universidad de Stanford. Un total de tres cursos (“Representación”, “Inferencia” y “Aprendizaje”) componen este programa de especialización sobre modelos probabilísticos gráficos (Bayesian Networks y Markov Networks) con aplicaciones en aprendizaje automático y modelos de decisión. Uno de los mejores aspectos es que los ejercicios (Matlab, Octave) requieren bajar al detalle, lo que en este caso facilita mucho interiorizar los conceptos teóricos de la parte de inferencia y aprendizaje.
Deep Learning by Google. Creado por Google y pensado para un tiempo de dedicación de tres meses. Se trata de un curso avanzado de introducción al mundo de Deep Learning, muy completo y que aborda temas a muy bajo nivel, por lo que resulta perfecto para aquellos que quieran convertirse en profesionales. Disponible en Udacity.
Para conocer más sobre qué implica trabajar en este área, podés consultar el video del webinar "¿Qué preguntas le harías a un Data Scientist?" con Diego Vallarino, Data & Analytics Director de Equifax, organizado por Smart Talent - Uruguay XXI.
Esta nota fue realizada en base a la de Jairo Mejía y Joan Llop en la web de BBVA Data & Analytics, el centro de análisis de datos financieros del Banco BBVA, que trabaja en la transformación de Big Data en inteligencia financiera para instituciones, pequeñas empresas e individuos. Conocé más en https://www.bbvadata.com.