Entrevista. Alfonso D Blázquez, profesor del Bootcamp en Data Science y Machine Learning

Aurora
Aurora
Entrevista Alfonso D Blazquez. Profesor de Data Science y Machine Learning en ID Bootcamps

La persona que ya conozca a Alfonso D Blázquez, profesor del Bootcamp en Data Science y Machine Learning en ID Bootcamps, sabrá que es alguien muy activo y que contagia su pasión por las matemáticas, la estadística y por la Ciencia de Datos en general. Puedes encontrarle en su LinkedIn o su Instagram @thedatawarlock, además, 

si quieres verle en acción, no dudes en ver esta masterclass donde explicaba la teoría de Grafos aplicándolo a las redes sociales. 

Hecha esta breve introducción, conozcámosle un poco más a él y al Data Science, ¡arrancamos! 

P- Antes de nada, mil gracias Alfonso por dedicarnos un ratito de tu tiempo a contarnos más sobre ti y que nos ayudes a entender qué es esto de la Ciencia de Datos, por qué está en pleno auge y por supuesto, qué es lo que ha hecho que te enganche tanto. Vamos poco a poco por el principio, dinos, ¿cómo llegaste a ser Data Scientist?, ¿cuál ha sido tu recorrido tanto profesional como tus estudios? 

R- Bueno, llegar a ser Data Scientist es algo que se suele ver como un sprint, pero es más bien una maratón. Tienes que tener mucho fondo y no parar de correr, no se trata de aplicar técnicas sueltas a problemas concretos, se trata de resolver problemas por medio de los datos y del método científico.  

Yo sigo en la carrera, cada vez todo avanza a pasos más agigantados y hay que seguir formándose para no perder puestos. Mi trayectoria ha sido un poco estándar, con formación en Matemáticas y un máster en Tratamiento de Datos empecé como analista y consultor en departamentos de BI, esto te da otro máster, porque te toca preparar los datos de múltiples fuentes, conocer SQL a fondo y, por supuesto, crear visualizaciones atractivas. A partir de aquí, todo va rodado, conocer modelos, aplicar técnicas de Data Mining y darte cuenta de que no tienes que reinventar la rueda. 

P- Otra pregunta casi obligada para meternos en contexto es, ¿qué es y qué abarca el Data Science?, y por supuesto, ¿a qué se dedica un Data Scientist y qué valor aporta? 

R- Puff… La verdad que esta pregunta daría para un par de horas en Zoom. Es una pregunta difícil, es como preguntar ¿qué es el Marketing? Es un ámbito de trabajo, una disciplina que está cogiendo cada vez más peso por su tremenda relevancia.  

Es la necesidad de aplicar el método científico para mejorar las decisiones de una empresa y basarse en datos no en suposiciones de un directivo, eso sería un pequeño resumen. Abarca desde la creación de un Dashboard para tener informados a los equipos, a la creación de modelos predictivos que permitan anticiparnos frente a los sucesos más probables. Estos modelos, tienen que desplegarse y usarse, no vale quedarnos con un código en nuestro ordenador. 

Sobre el Data Scientist, es una de las piezas clave de esta área, a pesar de que muchas veces se cree que es un multiusos que tiene que hacer de todo, es una parte más del todo. Suelo poner este ejemplo, si eres una empresa que está empezando, es muy probable que te toque saber de marketing, de fiscalidad, de procesos… Pues en la Ciencia de Datos pasa igual, cuando se está empezando un perfil, puede que tenga que encargarse de gran parte y esto es lo que erróneamente se proyecta como labor del Data Scientist. No me quiero enrollar demasiado, pero al menos, distinguir los 3 grandes roles Analista, Científico e Ingeniero. 

P- Ya nos has dicho que fuiste por el lado de las matemáticas hasta caer en la Ciencia de Datos, pero, ¿qué grado de conocimiento en matemáticas y estadística necesita tener alguien que se esté planteando meterse en el mundillo? 

R- Esta pregunta me gusta, para mí se subestima mucho el poder de la estadística y las matemáticas en este sector. He leído desde que sin matemáticas no se puede hacer nada, hasta que no son para nada necesarias.  

Yo creo que son NECESARIAS, ¿por qué?, por la cantidad de herramientas que te dan y por la resolución de problemas. No soy nada partidario de ser un copy: coger código, adaptarlo y listo. Creo que el poder de esta disciplina está en la capacidad de resolver, y eso requiere manejar bien las bases, porque los algoritmos evolucionarán y el que haya aprendido únicamente cómo utilizar ciertos modelos, estará perdido. 

Alfonso D Blázquez. Data Scientist ID Bootcamps

P- Al principio de la entrevista hemos dejado tus diferentes perfiles sociales, haces una clara labor divulgativa en ellas y, como no, se centra mucho en los datos, en explicar conceptos, aplicaciones prácticas, hablar sobre actualidad, etc. ¿De dónde te sale esta “vena” divulgadora?, y claro está, ¿por qué tantos memes 😊? 

R- La verdad es que yo desde bien pequeño, cuando me preguntaban qué quería ser de mayor decía que profesor. Luego ya creces y te das cuenta de que hay que matizar todo muy bien. Me gusta la docencia, me gusta enseñar lo que sé, pero con la condición de que al otro lado haya ganas de aprender y unos buenos oídos.  

A raíz de esto empecé a divulgar, porque al final mi estilo es subir lo que me gusta, entonces el público que formo a mi alrededor es el que realmente está interesado en mi estilo y en lo que enseño, que, por cierto, agradezco mucho el cariño diario que recibo de muchas personas. 

Lo de los memes se explica fácil, un servidor es un poco payaso, en el buen sentido de la palabra. Sin ponerme demasiado trascendental, estamos aquí para divertirnos y pasárnoslo bien. El humor es una palanca fundamental en el aprendizaje y en el bienestar en general. 

P- Aterrizando en el lado de la formación, eres profesor de nuestro Bootcamp en Data Science y Machine Learning, por si alguien está despistado, un Bootcamp es una formación intensiva que te permite, en poco tiempo, adquirir un alto conocimiento en un área en concreto. Teniendo esto en mente, cuéntanos, ¿por qué elegir un formato tipo Bootcamp para estudiar Data Science y Machine Learning? 

R- Realmente cada tipo de formación tiene sus ventajas y sus inconvenientes. Depende más de cómo se enfoca que del formato. Una ventaja de esta formación intensiva es la propia fricción, es decir, si entras en una formación así, eres consciente de que te va a requerir un esfuerzo y eso ya te predispone a aprender.

Concretamente ID Bootcamps se centra en el alumno, en que conozca las bases y practique. Lo hemos visto en más ocasiones, los alumnos terminan realizando proyectos impresionantes, llegan a la empresa con más confianza y con los puntos clave para seguir aprendiendo. 

P- Antes hablábamos del auge de la Ciencia de Datos, su valor dentro de los proyectos, lo que engloba y demás, pero, a tu parecer, ¿qué futuro le espera a esta disciplina?, ¿te aventurarías a contar un poco lo que está por venir o hacia dónde tirará? 

R- Nadie tiene una bola de cristal, ni siquiera los que hacemos modelos predictivos. Pero, por lo que puedo investigar en este sector creo que vamos a evolucionar en el corto o medio plazo a una disciplina mucho más centrada en los DATOS y no tanto en los algoritmos que se utilizan. Venimos de un momento en el que estaba en auge utilizar muchísimas técnicas, cada vez salen más herramientas, pero tendremos que darnos cuenta de que el 80% de nuestros modelos no están funcionando. Mejores datos, mejores soluciones. Toca trabajar con Small Data. 

P- Esperamos que esta entrevista sea leída por muchas personas que se estén planteando convertirse en Científicos de Datos, ¿les darías algún consejo? 

R- Hay una frase que me gusta mucho: “si quieres peces, mójate el culo”. Mi consejo para todas las personas que se quieren enfocar en este mundo es que realmente quieran dedicar horas, sean constantes y aprender cada día. Ahora mismo el salario y las condiciones son muy atractivas, pero si solo lo haces por esto, al final vas a terminar muy quemado y no vas a hacer bien tu trabajo. 

De nuevo, muchas gracias Alfonso por tu tiempo y por ayudarnos a arrojar un poquito más de luz sobre esta área que abarca tanto. Prometemos estar al día de todos los memes e infografías y seguir tus andanzas.

Compartir
Share on facebook
Share on twitter
Share on linkedin