Hola! Conocí hace poco tu página y me ha servido mucho :) Soy un estudiante de economía al que ya no le gusta tanto la carrera, y como intuirás tengo mucho interés en la ciencia de datos. Me han surgido un par de dudas, agradecería mucho que las pudieras responder:

(1): Qué tan predominante crees que pueda ser la “Comunicación” de la que hablas en tus posts respecto de la “Expertise”? A lo que voy es: si crees que alguien que no tenga expertise en un área puede ser un buen aporte a la misma a través de la ciencia de datos. Por ejemplo, si quisiera aportar a campos de las ciencias naturales sin tener una carrera en ellas, podría con grados/estudios en Data Science?

Hola, gracias por tus palabras :) Te comento en base a mi experiencia, aunque depende mucho del contexto y puede que no se aplique a tu situación, porque el trabajo en ciencia de datos tiene múltiples roles (por ej., data analyst, data engineer, data scientist, etc.) y configuraciones (por ej., data science de equipos internos para explotar y darle valor a los datos de una institución/compañía, o investigación y resolución de problemas para otras instituciones).

Necesitarás ambas habilidades independiente de la configuración. Expertise para resolver los problemas, y comunicación para definir el ámbito de estos a partir de lo que te exprese la contraparte (que puede ser interna o externa), transmitir los resultados y sus implicancias, verificar que estás respondiendo la pregunta adecuada y que la respuesta se exprese en términos de impacto para el negocio, que pueda ser trasladada a quienes toman decisiones. Es posible que en el equipo haya personas con formación UX (User eXperience) que tienen habilidades de comunicación y definición de problemas. Eso no significa que no desarrolles esa habilidad, porque tendrás que comunicarte tanto con tu propio equipo como con la contraparte.

Si tu posición no es data scientist, sino data engineer o data analyst, entonces es probable que el problema llegue a tus manos ya definido, incluyendo maneras de identificar cuál es la respuesta correcta. Tu trabajo en ese caso sería proveer la infraestructura necesaria para obtenerla (engineer) o utilizar los recursos existentes para obtenerla (analyst). En estos casos la comunicación se vuelve menos crítica porque esa labor la hacen otros roles, pero siempre necesitarás comunicarte con otras personas, con otros equipos, y hasta con otras instituciones.

(2) quizás un poco más personal: Crees que el magíster en CS de Beauchef pueda servir para ser Data Scientist?

No conozco el estado actual del programa. Mi opinión es que el programa que tomes te servirá o no en función de lo que tú hagas para formarte, el programa te da una estructura (por ej., cursos específicos y una manera de salir a través de un proyecto o tesis) y el resto corre por tu cuenta. Que tu tesis para obtener el grado sea un proyecto de Data Science te ayudaría, pero eso puede hacerse también en un programa que no sea de Computer Science.

Ojalá te sirva. ¡Saludos!