di Firenze Cesa

un po 'su di me

Sono Florence Cesa, Junior Data Scientist presso Haleon con sede a Londra, Regno Unito.

Cosa volevo essere da grande?

Il mio primo ricordo di ciò che volevo essere era un medico, più specificamente un chirurgo. Cioè, fino a quando ho scoperto che non potevo sopportare bene la vista del sangue, né il pensiero di ricucire ferite e infilare aghi nelle persone.

Dopo aver appreso di più sulle diverse scienze, ho deciso che volevo diventare uno scienziato, in particolare un chimico. Mi è piaciuto il lavoro di laboratorio e l'apprendimento delle varie tecniche analitiche in chimica. Sognavo di lavorare in un laboratorio e non sapevo che nel mio futuro questo sogno si sarebbe avverato lavorando in un diverso tipo di laboratorio ( JupyterLab ) come data scientist.

Un po 'sul mio background?

Ho studiato Matematica, Chimica e Biologia in A-level - qualifiche accademiche basate su materie tradizionali di fine scuola offerte da scuole e college in Inghilterra e Galles - in preparazione per l'università, ulteriori studi, formazione o lavoro. Ho scelto questi argomenti perché volevo lavorare nel settore STEM con una tecnologia all'avanguardia che potesse aiutare a plasmare il futuro e rendere il mondo un posto migliore.

Perché ho scelto questo percorso professionale?

Sono stato introdotto per la prima volta nel mondo della scienza dei dati, insieme alla sua applicazione pratica in un'organizzazione globale, quando ho iniziato come apprendista analista di dati in un team di scienza dei dati presso Haleon. All'epoca Haleon era l'unità aziendale per la salute dei consumatori di GlaxoSmithKline.

Attraverso questo apprendistato, ho avuto l'opportunità di lavorare con diversi profili professionali nei dati come data analyst, data scientist, data engineer e molti altri. Tra i vari profili, il ruolo di data scientist si è distinto maggiormente per me a causa del costante apprendimento e viaggio attraverso i dati che si verificano ogni giorno. Inoltre, la possibilità di utilizzare tecniche matematiche e approcci algoritmici per derivare soluzioni a complessi problemi aziendali e scientifici mi ha attratto.

Cosa faccio giorno per giorno?

In qualità di data scientist junior, inizio la mia giornata rivedendo le e-mail e le chat di Teams che potrei essermi perso il giorno prima. Quindi apro Jira , uno strumento di tracciamento di progetti/attività, per aggiornare lo stato dei ticket su cui sto lavorando e dare priorità alle mie attività per la giornata.

Partecipo anche a stand up/scrum giornalieri che sono momenti dedicati a noi per discutere gli aggiornamenti sullo stato dei ticket su cui stiamo lavorando per lo sprint del progetto. Lo trovo utile per garantire che siamo sulla buona strada, soprattutto quando si lavora da remoto, e mi dà anche la possibilità di conoscere cosa stanno facendo gli altri membri del team.

A volte associo il programma a membri più anziani del team che lavorano con me allo stesso progetto. La programmazione in coppia è quando due sviluppatori lavorano insieme per affrontare insieme un singolo problema, su un unico dispositivo. Questo è un ottimo modo per imparare dai data scientist più esperti e imparo sempre qualcosa di nuovo.

La mia giornata potrebbe anche comportare un incontro 1-2-1 con il mio manager di linea che mi dà l'opportunità di discutere gli obiettivi di carriera e qualsiasi sfida o successo che ho incontrato dal nostro ultimo incontro.

E, naturalmente, riesco anche a codificare e documentare! A seconda di ciò che il team di progetto richiede da me, potrei programmare per pulire e preparare i dati; condurre l'analisi dei dati su un determinato set di dati; eseguire, sviluppare e valutare modelli statistici e predittivi; o per creare visualizzazioni di dati sotto forma di dashboard o report, tutto questo in parallelo con il lavoro che sta svolgendo un data scientist senior con cui sto lavorando.

Ci sono aree di DS/ML che ritengo saranno particolarmente importanti in futuro?

Sento che nell'area della scienza dei dati e dell'apprendimento automatico, l'elaborazione del linguaggio naturale (NLP) è uno dei campi più interessanti dell'IA e diventerà importante in futuro. Ogni giorno usiamo le parole per comunicare all'interno dell'azienda; esprimerci nei social media; potenziare noi stessi con la conoscenza durante la ricerca su Internet; e anche per tenersi in contatto con i nostri amici e i nostri cari tramite messaggi di testo. L'aumento dei soli dati e-mail dal 2017 mostra quanti dati di testo vengono generati su base giornaliera.

La PNL ha anche già dato vita a tecnologie come chatbot, traduttori, assistenti vocali, rilevamento dello spam, correzione automatica, completamento automatico e molti altri strumenti che utilizziamo quotidianamente. Man mano che i dati di testo non strutturati crescono, anche la tecnologia NLP è continuamente migliorata per comprendere meglio le sfumature, il contesto e le ambiguità del linguaggio umano ( ChatGPT-3 ), motivo per cui penso che diventerà un campo importante in futuro.

Come posso tenere il passo con tutto ciò che riguarda la scienza dei dati?

Una cosa che amo è che, poiché è un campo interdisciplinare, non puoi mai rimanere senza cose da imparare. Per stare al passo con questo campo in continua evoluzione, partecipo alle sessioni di download di data science del nostro team più ampio in cui relatori interni ed esterni presentano argomenti avanzati di DS/ML/AI. In qualità di data scientist junior, a volte faccio fatica a comprendere appieno la presentazione, tuttavia, l'esposizione a questi argomenti mi offre l'opportunità di approfondire le basi e quindi progredire nella mia comprensione.

Come parte del mio apprendistato di laurea in scienze dei dati, tengo il passo e accresco le mie conoscenze tramite lezioni tenute dalla Anglia Ruskin University e Cambridge Spark. Ampio anche le mie conoscenze leggendo documenti di ricerca, corsi di LinkedIn Learning e anche video di YouTube e organizzando incontri 1-2-1 con membri del team senior che si stanno specializzando su un argomento di interesse. Leggo anche libri e blog tecnici e non tecnici per migliorare le mie competenze trasversali.

Cosa mi piace di più del lavoro in Haleon?

Una delle cose che mi piace di più del lavoro in Haleon è che imparo costantemente nuove aree e processi di business. Il mio team lavora su una varietà di progetti all'interno delle aree di business tra cui Qualità e catena di fornitura, Ricerca e sviluppo, Consumatore ed esperto e Cliente. Questo mi dà l'opportunità di lavorare con vari professionisti con background diversi oltre a una ricchezza di esperienza e conoscenza che non può essere appresa solo dai libri. Grazie alla loro disponibilità a condividere, posso sviluppare ulteriormente le mie capacità. Apprezzo l'opportunità di continuare a imparare da un team abile che incoraggia e ispira la crescita personale, mentre lavora per lo stesso obiettivo di rendere il mondo un posto migliore con l'umanità al centro.