por Florencia Cesa

Un poco acerca de mi

Soy Florence Cesa, científica de datos junior en Haleon con sede en Londres, Reino Unido.

¿Qué quería ser de mayor?

Mi primer recuerdo de lo que quería ser era médico, más específicamente, cirujano. Eso fue hasta que aprendí que no podía manejar bien la vista de la sangre, ni la idea de coser heridas y clavar agujas en las personas.

Después de aprender más sobre las diferentes ciencias, decidí que quería ser científico, específicamente, químico. Disfruté el trabajo de laboratorio y aprendí sobre las diversas técnicas analíticas en química. Soñaba con trabajar en un laboratorio y no sabía que en mi futuro este sueño se haría realidad al trabajar en un tipo diferente de laboratorio ( JupyterLab ) como científico de datos.

¿Un poco sobre mis antecedentes?

Estudié Matemáticas, Química y Biología en A-levels (títulos académicos tradicionales basados ​​en materias que terminan la escuela y que ofrecen escuelas y universidades en Inglaterra y Gales) como preparación para la universidad, estudios posteriores, capacitación o trabajo. Elegí estos temas porque quería trabajar en la industria STEM con tecnología de punta que pudiera ayudar a dar forma al futuro y hacer del mundo un lugar mejor.

¿Por qué elegí esta carrera profesional?

Me introdujeron por primera vez en el mundo de la ciencia de datos, junto con su aplicación práctica en una organización global, cuando comencé como aprendiz de analista de datos en un equipo de ciencia de datos en Haleon. En ese momento, Haleon era la unidad comercial de cuidado de la salud del consumidor de GlaxoSmithKline.

A través de este aprendizaje, tuve la oportunidad de trabajar con diferentes perfiles profesionales en datos, como analistas de datos, científicos de datos, ingenieros de datos y muchos más. Entre los diversos perfiles, el rol de científico de datos fue el que más me llamó la atención por el aprendizaje constante y el viaje a través de los datos que se producían todos los días. Además, me atrajo la oportunidad de utilizar técnicas matemáticas y enfoques algorítmicos para derivar soluciones a problemas científicos y comerciales complejos.

¿Qué hago día a día?

Como científico de datos júnior, empiezo mi día revisando correos electrónicos y chats de Teams que puede que me haya perdido del día anterior. Luego abro Jira , una herramienta de seguimiento de proyectos/tareas, para actualizar el estado de los tickets en los que estoy trabajando y priorizar mis tareas del día.

También participo en stand ups/scrums diarios, que son tiempo dedicado para que discutamos las actualizaciones de estado de los tickets en los que estamos trabajando para el sprint del proyecto. Esto me resulta útil para asegurarme de que vamos por buen camino, especialmente cuando trabajamos de forma remota, y también me da la oportunidad de aprender sobre lo que están haciendo otros miembros del equipo.

A veces emparejo el programa con miembros más veteranos del equipo que trabajan conmigo en el mismo proyecto. La programación en pareja es cuando dos desarrolladores trabajan juntos para abordar un solo problema juntos, en un solo dispositivo. Esta es una excelente manera de aprender de científicos de datos más experimentados y siempre aprendo algo nuevo.

Mi día también podría incluir una reunión 1-2-1 con mi gerente de línea, lo que me brinda la oportunidad de analizar los objetivos profesionales y cualquier desafío o éxito que haya encontrado desde nuestra última reunión.

Y, por supuesto, ¡también puedo codificar y documentar! Dependiendo de lo que el equipo del proyecto requiera de mí, podría codificar para limpiar y preparar datos; para realizar análisis de datos en un conjunto de datos determinado; ejecutar, desarrollar y evaluar modelos estadísticos y predictivos; o para crear visualizaciones de datos en forma de tableros o informes, todo esto en paralelo con el trabajo que está haciendo un científico de datos senior con el que estoy trabajando.

¿Hay áreas de DS/ML que creo que serán particularmente prominentes en el futuro?

Siento que dentro del área de la ciencia de datos y el aprendizaje automático, el procesamiento del lenguaje natural (NLP) es uno de los campos más emocionantes de la IA y se volverá prominente en el futuro. Todos los días usamos palabras para comunicarnos dentro del negocio; expresarnos en las redes sociales; empoderarnos con conocimiento al buscar en internet; e incluso para mantenernos en contacto con nuestros amigos y seres queridos a través de mensajes de texto. Solo el aumento en los datos de correo electrónico desde 2017 muestra la cantidad de datos de texto que se generan diariamente.

La PNL también ha dado lugar a tecnologías como chatbots, traductores, asistentes de voz, detección de spam, autocorrección, autocompletado y muchas otras herramientas que usamos a diario. A medida que crecen los datos de texto no estructurados, la tecnología NLP también ha mejorado continuamente para comprender mejor los matices, el contexto y las ambigüedades del lenguaje humano ( ChatGPT-3 ), por lo que creo que se convertirá en un campo destacado en el futuro.

¿Cómo me mantengo al día con todo lo relacionado con la ciencia de datos?

Una cosa que me encanta es que, debido a que es un campo interdisciplinario, nunca te puedes quedar sin cosas para aprender. Para seguir con este campo en constante evolución, participo en las sesiones de descarga de ciencia de datos de nuestro equipo más amplio, donde los oradores internos y externos presentan temas avanzados de DS/ML/IA. Como científico de datos junior, a veces me cuesta comprender completamente la presentación; sin embargo, la exposición a estos temas me brinda la oportunidad de profundizar en los conceptos básicos y luego progresar en mi comprensión.

Como parte de mi aprendizaje de grado en ciencia de datos, me mantengo al día y aumento mis conocimientos a través de conferencias impartidas por la Universidad Anglia Ruskin y Cambridge Spark. También amplío mis conocimientos leyendo artículos de investigación, cursos de aprendizaje de LinkedIn y también videos de YouTube, y organizando reuniones 1-2-1 con miembros del equipo sénior que se especializan en un tema de interés. También leo libros y blogs técnicos y no técnicos para mejorar mis habilidades interpersonales.

¿Qué es lo que más me gusta de trabajar en Haleon?

Una de las cosas que más me gusta de trabajar en Haleon es que estoy constantemente aprendiendo nuevas áreas y procesos comerciales. Mi equipo trabaja en una variedad de proyectos dentro de las áreas comerciales que incluyen Calidad y cadena de suministro, Investigación y desarrollo, Consumidor y experto y Cliente. Esto me da la oportunidad de trabajar con varios profesionales con diferentes antecedentes, además de una gran experiencia y conocimiento que no se puede aprender solo de los libros. A través de su disposición a compartir, puedo desarrollar aún más mis habilidades. Disfruto la oportunidad de seguir aprendiendo de un equipo hábil que fomenta e inspira el crecimiento personal, mientras trabajo hacia el mismo objetivo de hacer del mundo un lugar mejor con la humanidad en el centro.