Posiblemente, los hábitos digitales de todos nosotros estén relacionados de alguna forma con los servicios de computación en la nube de Amazon. El poder de esta compañía, dedicada mayormente al comercio electrónico, se basa en el control de gran parte del flujo de información ocurrido en el mundo. Pueden vender casi cualquier cosa, pero su “producto estrella” son servicios computacionales en la nube, tremendamente facilitadores de proyectos en Big Data y Data Science. Amazon: una compañía de datos.

Parece extenderse la idea de que el Big Data y el Data Science son esfuerzos formativos alcanzables para perfiles cada vez más amplios. Profesionales llegados desde las Ciencias, Ingenierías o Matemáticas se encuentran con otros que arriban desde Economía, Dirección y Administración de Empresas, Derecho, Sociología o Periodismo para hallarse en un nuevo “territorio común”: los datos, la Estadística y los lenguajes de programación. Se implanta la imagen de un cuadro productivo que agrega más valor, gracias a que procede del sector específico donde se pretende implantar una estrategia apoyada en análisis de datos. La clave está en Big Data y Data Science aplicados: la ventaja estratégica de conocer el sector.

Los datos se han convertido en la base de una nueva industria. En el Data Scientist, aquel capaz de diseñar algoritmos que exploran las realidades digitales a un nivel desconocido, vemos al artífice de un capítulo nuevo en la historia del aparato de las ciencias, donde ningún problema del conocimiento puede prescindir de esa nueva profundidad que todos comentan. Hablemos del Data Scientist.

Como en múltiples ámbitos de la ciencia y la tecnología, el Big Data y el Data Science ayudan a resolver algunos de los grandes desafíos de la investigación y la exploración espacial. Desde hace varios años, la NASA tiene en el análisis de datos uno de sus grandes focos de atención. Su volumen de datos acumulados, llegados de proyectos en ciencias de la Tierra y misiones a otros planetas, plantean una demanda continua de científicos y analistas de datos, así como soluciones imaginativas en Inteligencia Artificial. Así es el Big Data y el Data Science en la NASA.

¿Qué hace a una ciudad inteligente? Desde la generalidad, la adopción de tecnologías aplicadas a los espacios urbanos enfocadas a la creación o mejora de sus servicios públicos y procesos productivos, por ejemplo, en áreas como comunicación, movilidad, clima y participación ciudadana. Hablar de transformación digital es también hacerlo de Big Data y Smart City.

• Existe una importante demanda de soluciones basadas en técnicas Deep Learning: detección de fraude, tratamiento de texto, reconocimiento de voz, reconocimiento facial o traducción automática, etc.
• Las compañías prestan atención al origen y consistencia de las credenciales académicas de sus candidatos a trabajar en este tipo de proyectos.
• Está planteada una especie de “batalla” entre grandes plataformas que sirven cientos de cursos breves a muy bajo costo y formaciones avanzadas a mayor precio, bajo supervisión universitaria y dirigidas por reconocidos especialistas.
• Este es el contexto de la pregunta que acompaña la presente entrada: ¿Dónde aprender Deep Learning?

El lenguaje de programación Python, con permiso de R, encabeza las listas de los más utilizados: es el aquí y ahora del análisis de datos. Gratuito y sencillo de utilizar, multiplataforma y multiparadigma. Python se presenta como la herramienta concreta que presta sustento a las grandes revoluciones tecnológicas de nuestra época: Big Data, Data Science, Inteligencia Artificial o Deep Learning. Su plasticidad le coloca en el papel estrella dentro de proyectos de investigación científica, así como en algunos de los más osados desafíos asumidos por las grandes agencias y los gigantes tecnológicos.

¿Cuáles son los sectores productivos donde se extiende la utilización del Deep Learning? ¿Cuáles son los factores importantes al considerar una profundización o formación avanzada en Deep Learning? La tendencia general parece dar mucho valor a los enfoques integrales y a la visión práctica. El Aprendizaje Profundo se consolida como la gran objetivación de conocimientos adquiridos por los expertos y especialistas en Big Data y Data Science.

Vivimos una época única: sistemas computacionales autónomos que interactúan continuamente con humanos, máquinas que solucionan problemas y acumulan aprendizajes. Deep Learning: la vanguardia de las grandes transformaciones tecnológicas, el conjunto de metodologías que abren un capítulo nuevo en el viejo problema de la “predicción”. Inteligencia Artificial que puede imitar rasgos de la psicología humana: una de las claves para hacer al mundo más sostenible.

El 2020 se aproxima a su fin, ya aparecen las habituales “tendencias 2021”, incluso en Big Data y Data Science. Se repiten algunos tópicos: ¿Qué duda cabe de que los expertos y especialistas en análisis de datos son el perfil más necesario y demandado? Sin embargo, algunas ventanas profesionales en el mundo de los datos hace mucho dejaron la lista de tendencias para convertirse en urgencia. El cambio climático es uno de esos casos.