AI Saturdays es un evento que nació en Barcelona hace poco menos de un año gracias a Jan Carbonell y Miguel Guerrero, poco a poco el evento ha ido creciendo y se ha ido expandiendo a otras ciudades (Alicante, Madrid, Sevilla...). Dicha organización (sin ánimo de lucro) se ha ido formando gracias a la colaboración de muchos profesionales del sector.

El evento consiste en 10 semanas de aprendizaje, talleres y charlas impartidas por varios profesionales del sector, además se realizan diferentes proyectos por parte de los alumnos para poner en práctica todo lo aprendido. La Inteligencia Artificial sin duda ha sido uno de los protagonistas durante los talleres, prueba de ello han sido las demos realizadas por los alumnos.

Proyectos que ayudaría en diferentes áreas. Estas iniciativas cada vez se premian más ya que aportan posibles soluciones a problemas muy reales y que gracias a la Inteligencia Artificial podríamos solventarlos o al menos intentarlo.

Dactilología - Lenguaje de signos:  sin duda un proyecto con un gran impacto social. En España hay casi medio millón de personas con algún tipo de discapacidad auditiva, visual o expresiva que gracias a esta iniciativa y a la inteligencia artificial podrían comunicarse de una manera más cómoda.

Cáncer Bot: un enfoque diferente pero no menos interesante ya que este bot  ayudaría a la clasificación de imágenes histológicas para la detección de cáncer de mama. La ciencia y la tecnología cada vez más van de la mano y este proyecto es el claro ejemplo de ello.

RF Earth, Wind and Fire: modelo para inferir el comportamiento de un incendio. Proyecto muy interesante que ayudaría y evitaría grandes catástrofes medioambientales, trata de inferir la relación entre variables climatológicas, geo-biológicas y de intensidad de los potenciales incendios que se pudieran desarrollar en las áreas de estudio. Con ello, poder estimar la afectación de la zona ante un posible incendio.

Los organizadores de la edición recién finalizada en Sevilla cuentan que, a pesar de que ha sido un trabajo duro, ha sido gratificante ya que los alumnos venían de disciplinas totalmente distintas y de niveles diferentes.

Una de las presentaciones más interesantes fue la centrada en ofrecer a los alumnos una guía de recursos para progresar en el sector de data science una vez terminase el AI Saturdays, entre los que había cursos online con los que seguir formándose, libros de consulta, webs y canales de YouTube.

Fue de gran interés el apartado en el que habló del entorno profesional en el sector. Hoy en día sigue habiendo muchas dudas en cuanto a la diferencia entre los distintos perfiles de data:

• Data Scientist
• Data Engineer
• Data Analyst
• Data Architect

Muchos de los alumnos y organizadores compartieron experiencias que han tenido a lo largo de su carrera con respecto a ofertas de trabajo/ procesos de selección en los que las expectativas y requisitos eran totalmente irreales, lo cual genera bastante inseguridad en los aspirantes que intentan usar las ofertas como guía de desarrollo profesional. Por lo tanto, es importante hacer ver a las generaciones venideras la situación actual y real para que no sufran el conocido "síndrome del impostor".

EL PAPEL DE UN DATA SCIENTIST

Data Science es una disciplina que combina el uso de matemáticas, estadística, programación y negocio para extraer información e insights que ayuden a la toma de decisiones para desarrollar modelos de Inteligencia Artificial.

Hoy en día se ha convertido en uno de los perfiles más demandados por las empresas, de forma que su rol se ha convertido en imprescindible para la ejecución de muchos de los proyectos. En el caso de Emergya, sin lugar a dudas es casi obligatorio puesto que la mayoría de nuestros proyectos así lo requieren y por lo tanto cuentan con el apoyo de dicho departamento.

¿POR QUÉ ES IMPORTANTE EL PAPEL DE UN DATA SCIENTIST EN UNA EMPRESA?

Los Data Scientist pueden verse como una navaja suiza que puede crear impacto a lo largo de toda la cadena de valor de una empresa. Por su formación y experiencia, apoyándose en los pilares básicos que son:

• La optimización
• La estadística
• La computación
• El negocio

Cuentan con muchas herramientas y técnicas distintas que se emplean en diferentes actividades de la empresa como por ejemplo: simulación, optimización, modelización, análisis exploratorio y visualización de datos, desarrollo de algoritmos entre otras cosas.

En muchas empresas, siguen viendo erróneamente al data scientist como un desarrollador, se cree que la labor que desempeñan se basa únicamente en programar para hacer modelos de Machine Learning. Sin embargo, la tendencia es que los data scientists, junto con el resto del equipo de data, sea un horizontal dentro de las empresas, de forma que los demás departamentos sean "clientes" de éste. Así los data scientist pueden participar en la ayuda a la toma de decisiones de la dirección o departamento estratégico y de ventas, en la automatización de procesos de otros equipos para ahorrar recursos o hacerlos más eficientes.