Cuando utilizas modelos GPT plain vanilla proporcionados por OpenAI, no entienden realmente el funcionamiento interno de tu empresa. Si le haces preguntas, responderá basándose en lo que muy probablemente averigüe sobre otras empresas. Esto es un problema cuando quieres utilizar modelos GPT para hacer preguntas como:

• ¿Cuáles son los pasos de un procedimiento interno que debo seguir?
• ¿Cuál es el historial completo de interacciones entre mi empresa y un cliente concreto?
• ¿A quién debo llamar si tengo algún problema con un software o una rutina específicos?

Si intentas formular estas preguntas a modelos GPT sencillos, no obtendrás nada de valor (¡pruébalo!). Pero si conectas los modelos GPT a tus datos internos, entonces puedes obtener respuestas significativas a estas preguntas y a muchas otras.

En este tutorial, quiero mostrarte cómo conectar modelos GPT con datos internos de la empresa en Microsoft Azure. En los últimos meses, esto se ha vuelto mucho más simple. Voy a caminar lentamente a través de la creación de recursos y hacer las configuraciones necesarias. Este es un tutorial para principiantes, así que si estás muy cómodo con Microsoft Azure, entonces probablemente puedes hojear a través del tutorial.

Necesitas tener dos cosas antes de continuar:

• Un tenant de Microsoft Azure donde tengas permisos suficientes para subir documentos, crear recursos, etc.
• A partir de la publicación, tu empresa tiene que aplicar para obtener acceso al recurso Azure OpenAI que vamos a utilizar. Esto probablemente se eliminará en algún momento en el futuro, pero por ahora, esto es necesario. El tiempo que se tarda desde la solicitud hasta que se obtiene el acceso es de unos pocos días.

NOTA: La verdadera dificultad de crear asistentes de IA asombrosos se reduce a la calidad de los datos, el alcance correcto del proyecto, la comprensión de las necesidades del usuario, las pruebas de usuario, la automatización de la ingesta de datos y mucho más. Así que no salgas del tutorial pensando que crear un gran asistente de IA es sencillo. Simplemente, la creación de la infraestructura es sencilla.

Configurar los datos

Todo empieza con los datos. El primer paso es subir algunos datos internos de la empresa a Azure. En mi ejemplo, usaré el siguiente texto que también puedes copiar y usar:

En la empresa SeriousDataBusiness siempre nos aseguramos de limpiar nuestros escritorios antes de salir de la oficina.

Guarda el texto en un archivo de texto llamado company_info.txt y guárdalo en algún lugar conveniente. Ahora iremos a Microsoft Azure y subiremos el documento de texto. Busca en el marketplace de Azure para encontrar el recurso Storage account:

Al crear recursos Azure hay muchos campos que puedes rellenar. Para una cuenta de almacenamiento, los más importantes son:

• Suscripción: La suscripción en la que quieres crear la cuenta de almacenamiento.
• Grupo de recursos: El grupo de recursos en el que quieres crear la cuenta de almacenamiento. También puedes decidir crear un nuevo grupo de recursos para este tutorial.
• Nombre de la cuenta de almacenamiento: Un nombre único para todas las cuentas Azure con una longitud de entre 3 y 24 caracteres. Sólo puede contener letras minúsculas y números.
• Región: La región de Azure que alojará los datos.
• Rendimiento: La opción Estándar es lo suficientemente buena para realizar pruebas.
• Redundancia: La elección de Almacenamiento redundante local es suficientemente buena para las pruebas.

Una vez que hayas hecho clic en revisar y luego en crear, debería haber una cuenta de almacenamiento esperándote en el grupo de recursos que elegiste en unos pocos minutos. Una vez que entres en la cuenta de almacenamiento, ve a contenedores en la barra lateral izquierda:

Allí, puedes crear un nuevo «containers» que esencialmente funciona como un espacio de nombres para tus datos. Llamé a mi contenedor newcontainer y lo introduje. Ahora puedes ver un botón en la esquina superior izquierda. Haz clic en cargar y luego localiza el querido archivo company_info.txt que guardaste antes.

Ahora nuestros datos están en Azure. Podemos proceder al siguiente paso .

Creación de un índice y despliegue de un modelo

Cuando leo un libro de cocina, suelo consultar el índice al final del libro. Un índice te dice rápidamente qué receta está en qué página. Mirar todo el libro cada vez que quiero hacer tortitas no es posible en un mundo tan impaciente.

¿Por qué te digo esto? Porque también vamos a crear índices para los datos internos que hemos cargado en la sección anterior. Esto asegurará que podamos localizar rápidamente la información relevante en nuestros documentos internos. De esta manera, no necesitaremos enviar todos los datos con cada pregunta a los modelos GPT. Esto no sólo sería costoso, sino que tampoco sería posible incluso para fuentes de datos de tamaño medio debido a los límites de tokens en los modelos GPT.

Vamos a necesitar un recurso Azure Cognitive Search. Este es un recurso que nos ayudará a indexar automáticamente nuestros documentos. Como antes, dirígete al marketplace de Azure y encuentra el recurso Cognitive Search:

Al crear el recurso de búsqueda cognitiva de Azure, debes elegir la misma suscripción, grupo de recursos y ubicación que para la cuenta de almacenamiento. Dale un nombre de servicio único y elije el nivel de precios Estándar. Procede haciendo clic en el botón Revisar y luego haga clic en el botón Crear.
Una vez completado, en realidad vamos a crear otro recurso, concretamente el recurso Azure OpenAI.

La razón es que no vamos a crear el índice en el recurso Cognitive Search, sino que lo haremos indirectamente desde el recurso Azure OpenAI. Esto es más conveniente para aplicaciones sencillas en las que no es necesario ajustar mucho el índice.

Dirígete de nuevo a Azure Marketplace y busca el recurso Azure OpenAI:

Debes elegir la misma suscripción, grupo de recursos y región que los demás recursos. Dele un nombre y seleccione el nivel de precios Standard SO. Haz clic en la sección Revisar y enviar y, a continuación, en Crear. Este era el último recurso que necesitaba para el tutorial. Tómate un café u otra bebida mientras esperas a que se complete el recurso.

Cuando estés dentro del recurso Azure OpenAI, deberías ver algo como esto en la sección Overview

Haz clic en Explore, que te llevará a Azure OpenAI Studio. En el estudio, puedes desplegar modelos y conectar sus datos internos mediante una interfaz gráfica de usuario. Ahora deberías ver algo como esto:

Creemos primero un despliegue de un modelo GPT. Vaya a la sección Modelos de la barra lateral izquierda. Esto te mostrará el modelo disponible que puede utilizar. Los modelos que veas pueden ser diferentes a los míos, dependiendo de la región que hayas elegido. Seleccionaré el modelo gpt-35-turbo y haré clic en Desplegar. Si no tienes acceso a este modelo, elige otro.

Elige un nombre de despliegue y crea el despliegue. Si te diriges a la sección Despliegues en la barra lateral izquierda, podrás ver tu despliegue. Nos dirigiremos a la sección Chat en la barra lateral izquierda donde comenzaremos a conectar los datos a través de un índice.

Deberías ver una pestaña llamada Add you data (preview) que puedes seleccionar:

Cuando estés leyendo este tutorial, es posible que esta función no esté en modo de vista previa. Selecciona «Add a data source» y selecciona Azure Blob Storage como fuente de datos. El resto de la información que necesitas introducir es la suscripción, el recurso Azure Blob Storage, el contenedor de almacenamiento donde colocaste el documento company_info.txt , y el recurso Azure Cognitive Search que creamos:

Introduce un nombre en el campo «Enter the index name» y deja la opción «once» en el campo Indexer schedule. Esta es la frecuencia con la que el índice debe actualizarse basándose en datos potencialmente nuevos. Dado que nuestros datos no cambiarán, elegimos Once por simplicidad. Acepta que la conexión a una cuenta de Azure Cognitive Search incurrirá en cargos por uso y continúa. Puedes elegir keywords como tipo de búsqueda en «Data management»:

Haz clic en Guardar y cerrar y espera a que finalice la indexación. ¡Ahora el modelo GPT desplegado tiene acceso a tus datos internos! Puedes hacer una pregunta en la sesión de Chat para probarlo:

El chatbot da la respuesta correcta basándose en los documentos internos . Da una referencia al documento correcto para que puedas consultar el material de origen para confirmarlo.

También hay un botón llamado Ver código, donde puedes ver las peticiones realizadas en varios lenguajes de programación. Puedes enviar esta solicitud desde cualquier lugar, siempre que incluyas el endpoint y las claves de acceso indicadas. Por lo tanto, usted no está limitado a la zona de juegos aquí, pero puede incorporar esto en sus propias aplicaciones.

Ahora ha conectado con éxito un modelo GPT con datos internos. Claro, los datos internos no son muy interesantes en nuestro tutorial. Pero puedes imaginar hacer esto con material más apremiante que las políticas de escritorio.

Otras consideraciones

Aquí quiero indicarte otras cosas con las que puedes jugar.

Mensajes del sistema

También puedes especificar un mensaje de sistema en el campo de juego Chat:

A veces se denomina pre-prompt en otras configuraciones. Se trata de un mensaje que se envía cada vez antes de que el usuario formule la pregunta real. El propósito es dar contexto al modelo GPT sobre la tarea en cuestión. Por defecto es algo genérico como «Eres un asistente de IA que ayuda a la gente a encontrar información».

Puedes cambiar el mensaje del sistema para solicitar un formato específico de la respuesta, o para cambiar el tono de voz de la respuesta. Siéntete libre de jugar con esto.

Parámetros

Puedes encontrar un panel de Configuración (o ya está visible o necesitas ir a Mostrar paneles y seleccionarlo). Se parece a esto:

Aquí puedes ajustar muchos parámetros. Quizá el más importante sea Temperatura, que indica lo determinista que debe ser la respuesta. Un valor bajo indica que es muy determinista, por lo que dará más o menos la misma respuesta cada vez. Un valor alto es lo contrario, por lo que la respuesta es más variada cada vez. Un valor alto suele hacer que el modelo parezca más creativo.

Despliegue en una aplicación web

Cuando hayas terminado de ajustar los mensajes y parámetros del sistema, puede que quieras desplegar el modelo en una aplicación web. Esto se puede hacer fácilmente desde Azure OpenAI Studio. Simplemente haz clic en el botón Deploy to y selecciona A new web app…

Tras rellenar la información pertinente, puedes acceder al modelo desde una aplicación web. Esta es una de las formas de poner el modelo a disposición de otros.

Conclusiones

En este tutorial, te he mostrado cómo conectar modelos GPT con datos internos de la empresa en Azure. De nuevo, quiero enfatizar que este es solo el primer paso para conseguir un asistente de IA increíble. Los siguientes pasos requieren experiencia en áreas como calidad de datos, optimización de índices, diseño de servicios y automatización. Pero ahora tienes una configuración mínima que puedes seguir desarrollando .

Si te interesa la IA o la ciencia de datos no dudes en seguirme o conectar en LinkedIn. Cuál es tu experiencia con la conexión de modelos GPT a los datos de la empresa? Me encantaría escuchar lo que tienes que decir.

The post Tutorial para principiantes: Conectar modelos GPT con datos de empresa en Microsoft Azure first appeared on Planeta Chatbot.

Networking. Constantemente nos dicen frases como «He oído que el networking es útil, ¿por qué no lo intentas?». Este tipo de frases son bienintencionadas, pero poco útiles. La mayoría de la gente entiende el valor del networking. Muchos Data Scientist no son contratados a través de listas de trabajo oficiales, sino a través de referencias y conexiones. Puede ser difícil saber cómo establecer contactos de forma eficaz. Algunos consejos están desfasados, otros no son relevantes para los Data Scientists y otros son totalmente erróneos. Es más fácil echar la vista atrás al paso anterior en tu carrera y entender lo que realmente funcionó. Esto se debe a que puedes ver el denominador común entre las personas exitosas que te rodean .

En esta entrada del blog, quiero darte mis consejos sobre cómo establecer contactos como Data Scientist. A continuación lo he dividido en consejos para aspirantes a Data Scientist, Data Scientist junior y Data Scientist senior. Yo mismo soy un Data Scientist senior, así que tengo experiencia con todos estos pasos. También he hablado con muchos reclutadores profesionales y he estado en ambos lados de las entrevistas de contratación. Aún así, por favor, toma todo lo que digo con un grano de sal. No soy una autoridad en este tema más que nadie, y estas son sólo mis propias reflexiones.

Antes de empezar, debes saber que creo que enfocar el networking como un problema de optimización es fundamentalmente erróneo. Tener 1000 conexiones en LinkedIn o 5.000 likes en tu post sobre LLMs no es el objetivo. El objetivo del networking es establecer conexiones genuinas con otras personas afines que aman las mismas cosas que tú. Estas conexiones te proporcionan una red de personas a las que puedes ayudar y a las que puedes recurrir cuando lo necesites.

Paradójicamente, enfocar el trabajo en red como un problema de optimización te hace malo en el trabajo en red. Esto hace que te centres más en las métricas que en las personas. Conocer a alguien que sólo conversa contigo por la «influencia» es desalentador. Este enfoque también es psicológicamente perjudicial. Empiezas a ver a las personas como meros medios para alcanzar una métrica arbitraria. Esto no es especialmente divertido ni eficaz .

Así que, mientras lees estos consejos, no olvides que el networking tiene que ver fundamentalmente con las personas. Seguro que esto suena a tópico. Pero también puede ser sorprendentemente tranquilizador. No hace falta que te pongas en la piel de un vendedor para hacer contactos. No hace falta que lleves traje y dispares con el dedo mientras hablas con gente nueva. Tu pasión por la ciencia de datos es más que suficiente.

Consejos para aspirantes a Data Scientist

Me alegro de que estés interesado en seguir una carrera como Data Scientist. Asumiré que actualmente no trabajas como Data Scientist, pero quieres hacerlo en el futuro. Probablemente estés estudiando en una universidad o institución similar. En esta fase de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:

Consejo 1: Haz cursos relevantes para conocer a gente afín

Seguro que los cursos de arqueología o derecho medioambiental son interesantes. Sin embargo, es probable que no conozcas a muchos futuros colegas en esos cursos si tu objetivo es ser un Data Scientist. Si tomas cursos de data science, estadística o informática, entonces esto será mucho más probable. La principal razón para tomar cursos relevantes es, por supuesto, adquirir conocimientos, pero no subestimes el valor de formar una red sólida.

Cuando tomes cursos relevantes, intenta hablar con diferentes personas y conocerlas un poco. No hace falta que seas increíblemente sociable si no quieres, pero un poco da para mucho. Haber establecido contactos con entre 5 y 10 personas por cada curso relevante que tomes suma rápidamente.

Consejo 2: Si es posible, solicita un trabajo de verano (remunerado) que sea relevante.

Si puedes realizar un trabajo de verano como Data Scientist, te resultará muy útil para establecer contactos. Algunas personas lo utilizan para introducirse en la empresa y, a menudo, consiguen un trabajo en ella después de terminar sus estudios. Incluso si no lo consigues, tener experiencia profesional previa con data science es una gran ventaja en cualquier CV.

En cuanto a la creación de redes, trabajar en un empleo de verano te presentará a mentores y colegas con los que podrás conectar. La gente tendrá conocimientos del mundo real de data science, que a menudo es bastante diferente de la versión académica. Formar una red aquí es crucial para tu futura carrera.

Cuando trabajes en el empleo de verano, intenta conocer a gente de fuera del pequeño bollo en el que te van a meter. Almuerza con diseñadores y charla con propietarios de productos. Estar en un trabajo de verano significa que la mayoría de la gente allí estará muy abierta a que hagas preguntas y conectes. Esto hace que el aspecto del networking sea mucho más fácil .

Consejo 3: Acude a jornadas sobre carreras profesionales y habla con representantes

A menudo las universidades organizan jornadas de orientación profesional en las que las empresas vienen a hacer presentaciones. Es una gran oportunidad para hablar con los representantes de las empresas y conocer sus actividades. Incluso es posible que te ofrezcan comida gratis, lo que siempre es una ventaja como estudiante.

Sé por experiencia que asistir a los días de la carrera profesional es un poco incómodo. Es un ambiente semiformal, pero relajado al mismo tiempo. No te preocupes. Los representantes de las empresas suelen pensar lo mismo. Cuando asistas a las jornadas, aprovéchalas al máximo.

Consejo 4: Inscríbete en un programa de mentores

Las universidades suelen tener un programa de mentores/alumnos. En ellos, los estudiantes pueden ponerse en contacto con profesionales del sector para conocer el día a día de la profesión. Es una gran oportunidad, seguramente gratuita, que te permitirá conocer a profesionales en activo.

Los mentores pueden darte consejos sobre cuestiones técnicas, pero también sobre cómo y cuándo solicitar puestos o qué puestos son buenos. Los profesionales que ejercen de mentores suelen hacerlo porque aman su profesión y la conocen al dedillo. Si decides participar en un programa de este tipo, asegúrate de ir preparado. Ten preparadas las preguntas que quieras hacer y respeta el tiempo del mentor .

No tengas miedo de mantenerte en contacto con tu mentor. A los mentores les suele encantar saber cómo van las cosas y pueden darte más consejos si te preguntas algo. Más adelante en tu carrera, puedes «devolver» y convertirte en mentor de otra persona si así lo deseas.

Consejo 5: Ten al menos una mínima presencia en línea

Deberías registrarte en la red más utilizada por los científicos de datos de tu país. Para la mayoría de nosotros será LinkedIn, así que a partir de ahora me referiré a LinkedIn. Hablando con reclutadores, sé que no tener un perfil en LinkedIn está mal visto. Aunque personalmente no estoy de acuerdo, esto apenas importa.

Añade a LinkedIn a las personas que conozcas a través de las clases, las reuniones y los trabajos de verano. Es una forma cómoda de estar en contacto con ellos. También puedes utilizar LinkedIn para anunciar que estás buscando trabajo cuando llegue ese momento. Muchos de mis amigos han encontrado trabajo de esta manera.

Recuerda que no tienes por qué publicar en Internet nada con lo que no te sientas cómodo. De hecho, no creo que necesites publicar nada en esta fase de tu carrera. Simplemente crea una cuenta, añade la información pertinente y mantente en contacto con la gente que conozcas. Así de sencillo.

Tips para Data Scientists Junior

Veo que estás trabajando como Data Scientists Junior. Enhorabuena. Es un campo apasionante y me alegro de que estés con nosotros. Tienes mucho que aprender desde el punto de vista técnico, pero también es bueno prestar atención a la creación de redes. En esta fase de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:

Consejo 1: Cultiva buenas relaciones con tus colegas

Esto es casi demasiado obvio. Lo más probable es que en tu carrera trabajes con otros r data scientists, data engineers, data analysts, e ingenieros de ML. Asegúrate de tener una buena relación con ellos y conecta con ellos. Habla de data science y disciplinas relacionadas por todos los medios, pero no evites hablar de otras cosas también. Entablar una relación con alguien suele ser más fácil si sabes algunas cosas sencillas sobre él personalmente.

Te recomiendo que también conozcas a gente de otros departamentos. Cuando cambies de trabajo, puede que alguien de tu anterior departamento de comunicación trabaje allí ahora. Todavía pueden darte una recomendación basada en tu personalidad, aunque probablemente no puedan decir mucho sobre tus habilidades en la ciencia de datos. Hablar con personas de diferentes disciplinas también es una buena forma de evitar estar completamente aislado. Algunos de los mejores científicos de datos que conozco tienen un conocimiento práctico mínimo de campos cercanos.

Si trabajas a distancia, esto será mucho más difícil. Yo mismo he trabajado a distancia, así que no estoy desaconsejando el trabajo a distancia como práctica en general. Sólo quiero ser sincero sobre la realidad de la situación si eliges ese puesto. Si eliges una posición remota, entonces puedes poner más trabajo en los siguientes consejos .

Consejo 2: Asiste a reuniones, talleres y conferencias

Fuera de tu trabajo, tendrás la oportunidad de conocer a otros Data Scientist. Suelen ser reuniones, talleres y conferencias. Es bueno asistir a todos ellos de vez en cuando para establecer contactos. Si son buenos, también se puede aprender mucho. Mientras que las reuniones y los talleres suelen ser gratuitos, las conferencias suelen ser bastante caras. Puedes pedir a tu empresa que corra con los gastos.

Te aconsejo que sólo asistas a este tipo de eventos si realmente te interesan. No tiene mucho sentido que vayas a un taller de React si no te interesa el desarrollo front-end. Encuentra algo que te interese de verdad; de lo contrario, acabarás agotado.

Por último, si encuentras una reunión que te gusta y a la que has asistido varias veces, no tengas miedo de presentarte voluntario. Los organizadores de encuentros suelen tener dificultades para encontrar presentadores. No hace falta ser un Data Scientist experimentado para dar una buena charla. De hecho, algunas de las mejores charlas que he visto han sido de personas con menos experiencia.

Consejo 3: No tengas miedo de orientar a otros

Puede que pienses que aún no has alcanzado el nivel necesario para ser mentor de otros. Pero no es cierto. Incluso alguien que sólo tiene 6 meses de experiencia laboral puede orientar a un recién licenciado en algunas cosas. Piensa en cuando empezaste a trabajar. ¿Qué le habría sido útil saber? Quizá sea algo tan mundano como dónde se encuentra cierta información. ¿O tal vez cómo funciona el despliegue de Data Science en la organización? Esto puede resultarle fácil ahora, pero complicado al principio.

Al orientar a otros, estableces una conexión con ellos. Pueden acudir a ti con preguntas y tú intentarás ayudarles. No es de extrañar que muchos empleados nuevos consideren a su mentor (dado que el mentor hace realmente su trabajo) como la persona que mejor conocen. Así que pregunta a tu jefe si puedes ser mentor de nuevos empleados lo antes posible .

Consejo 4: Escribe blogs o imparte un curso sobre temas técnicos

Ahora estás en una posición en la que puedes enseñar a otros. Aunque la tutoría, como se ha mencionado anteriormente, es una forma muy personalizada de hacerlo, no tengas miedo de hacerlo también a través de blogs o cursos. Si escribes una entrada de blog sobre una biblioteca técnica que carece de buena documentación, mucha gente te lo agradecerá. Sólo asegúrate de elegir un tema con el que te sientas cómodo.

Mi consejo es que empieces por algo pequeño. ¿Hay gente en tu empresa que se queja de que los recién licenciados no conocen programas de control de versiones como Git? Ofrécete a dar un curso de una hora sobre este tema. ¿Se quejan los compañeros de que es difícil entender cuándo usar Pandas vs Polars vs Spark para el procesamiento de datos? Cree una entrada de blog para esto donde se tome el tiempo para investigar las diferencias. Esto puede ser valioso y una gran práctica también.

Consejo 5: Mejora tu presencia en Internet

Creo que puede ser beneficioso mejorar un poco tu presencia en Internet en esta etapa de tu carrera. No te preocupes, no hace falta que te conviertas en un Data Scientist influyente. Pero poner un poco más de empeño en tu perfil y tus interacciones probablemente sea positivo.

Para tu perfil, añade descripciones de trabajo más detalladas, habilidades, certificaciones, etc. Si quieres trabajar para convertirte en un Data Scientist senior, emula este tipo de perfiles. Ten una imagen clara y una sección «sobre mí» atractiva y profesional. Esto no debería llevarte muchas horas escribirlo, pero a muchos reclutadores les importa. Puedes hacerlo mejor que tener una foto de tu gato como foto de perfil y una descripción que diga «hago esas cosas de datos».

Si quieres publicar contenido, entonces publica sobre tecnología interesante, charlas o blogs interesantes, o cualquier cosa que te interese de verdad. No necesitas hacer posts que traten sobre las tendencias actuales de la ciencia de datos o hacer posts clickbait con títulos como «¡SQL está muerto!». No lo está, y espero que ya lo sepas .

Tips para Data Scientists Senior

¡Enhorabuena por convertirte en Data Scientist sénior! Seguro que has trabajado mucho para conseguirlo. Este cambio en la jerarquía también cambia bastante la forma de relacionarse. En resumen, el principal cambio es que se espera que «pongas las cosas ahí fuera» de varias maneras. En esta etapa de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:

Consejo 1: Presente en conferencias, reuniones, seminarios web, etc.

En las etapas anteriores de tu carrera, la mayoría de las veces asistías a eventos. Aunque ésta sigue siendo una forma valiosa de establecer contactos, palidece en comparación con las presentaciones.

Cuando expones en diversos foros, estás mostrando indirectamente tus conocimientos. Si haces un buen trabajo, la gente acudirá a ti. Esto invierte la polaridad de tu red de contactos: ahora tienes un efecto llamada. Ten en cuenta que presentar bien requiere mucho tiempo:

En primer lugar, la mayoría de la gente tarda años en ser buena presentando. Empieza pronto. Cuanto antes empieces tu carrera, más aceptará la gente las presentaciones mediocres. Como Data Scientist Junior, la gente quedará impresionada con tu dedicación, incluso si tus habilidades de presentación necesitan refinarse. En un determinado momento de tu carrera, ser malo en las presentaciones está mucho peor visto.

En segundo lugar, aunque se te den bastante bien, preparar una presentación requiere mucho trabajo. Por eso hay que elegir con cuidado cuándo presentar en un acto. Es mejor presentar 5 veces al año de forma excelente que 50 veces de forma mediocre. Prioriza la calidad sobre la cantidad.

Consejo 2: Mejora tu redacción

En tu trabajo tendrá que escribir mucho. No importa si se trata de documentación, memorandos, instrucciones, presentaciones, resúmenes, puntos de vista, entradas de blog, correos electrónicos o algo completamente distinto. La cuestión es que escribir se ha convertido en algo cotidiano. Y de repente se espera que seas bueno en ello.

El hecho es que serás juzgado por lo que escribas. Como tal, puede ser un serio impedimento para establecer contactos a un nivel superior. A algunos les parece muy superficial juzgar a alguien por cómo escribe. Pero la escritura es a menudo el único resultado que el receptor puede juzgar o incluso entender. La mayoría de las partes interesadas no entienden tu ingeniosa búsqueda de hiperparámetros ni tu intrincada canalización de datos. Si no puedes explicar en términos sencillos por qué un proyecto debe continuar, no te sorprendas cuando lo cancelen .

Tener una comunicación escrita clara es cada vez más importante, sobre todo para el trabajo en red. Hablarás con mucha gente a través del chat, el correo electrónico e interfaces similares. Si escribes mal, la impresión que des puede ser negativa.

Para muchos de nosotros, el inglés no es nuestra lengua materna. Por eso, a menudo tenemos que comunicarnos con claridad en dos (¡o más!) idiomas. Esto parece desalentador. Por suerte, escribir con claridad es, en gran medida, independiente del idioma. Empiece a trabajar en la lengua que más utiliza en su red de contactos. Rápidamente descubrirá que la claridad de sus otras lenguas mejora en paralelo.

Consejo 3: Construye algo de valor

Una de las formas de demostrar tus habilidades a los ojos de los demás es crear algo de valor. Ya sea una biblioteca Python que implemente un nuevo algoritmo ML o un repositorio de GitHub que demuestre un caso de uso interesante, todo depende de ti. También puede ser una herramienta interna de tu organización.

Quiero hacer hincapié en que no siempre es necesario construir algo con gran originalidad. Puede que tu organización utilice rutinas de orquestación de canalización de datos deficientes. Tomar posesión y arreglar esto aporta valor, aunque se haya hecho 1000 veces antes en otras organizaciones. Intenta crear algo que realmente ayude a los demás.

Si creas herramientas internas, te ganarás el respeto de otras personas de tu organización. Si creas herramientas de código abierto, ayudarás a un público más amplio. Ambas opciones son excelentes para establecer contactos. Si la gente ya tiene una buena impresión de ti, el trabajo en red será mucho más sencillo.

Consejo 4: Conviértete en un experto en algo

Cuando empieces como Data Scientist, querrás aprender un poco de todo. Esto abarca desde la NLP hasta las plataformas en la nube. Como Data Scientist Sénior, debes conocer una amplia gama de temas. Pero también debes convertirte en un experto en algo. Puede ser algo técnico, como la detección de anomalías. También puedes basarte más en habilidades blandas, como la forma de aplicar con éxito metodologías ágiles en la ciencia de datos.

Al convertirte en un experto, se te busca por tus conocimientos especializados. Esto te abre muchas puertas para establecer contactos, ya que te pedirán que hables y escribas sobre tus conocimientos especializados. Elegir un tema especializado puede ser difícil. Mi mejor sugerencia es que profundices en algo que realmente te interese. Si el tema es aplicable en una amplia gama de entornos, también es una ventaja.

A la hora de establecer contactos, puedes aprovechar tus conocimientos especializados para destacar. Casi todos los Data Scientist saben algo sobre Deep Learning. Pero, ¿cuántos Data Scientist conoces que sean expertos en métodos de conjunto? O un experto en traer estrategias organizacionales a largo plazo con iniciativas de datos? Esto destaca

Consejo 5: Ten una sólida presencia en Internet

Como Data Scientist sénior, debes procurar tener una fuerte presencia en Internet. Esto incluye relacionarse más con los demás y dedicar más tiempo a exponer sus ideas y opiniones. Hay muchas formas de hacerlo, y tú decides cómo. El formato puede ser cualquier cosa, desde publicaciones en LinkedIn hasta tutoriales en vídeo. Céntrate en hacer contenidos de calidad que realmente enganchen e iluminen temas. De nuevo, recuerda que la calidad triunfa sobre la cantidad.

A menudo se habla de desarrollar una marca propia. Este término está un poco cargado y yo prefiero hablar de desarrollar tu propia voz. Cuando escribas y hables, tendrás que tomar algunas decisiones. ¿Pondrás una voz amable y servicial, o una más autoritaria? La elección de la voz debe ir emparejada con lo que quiere conseguir:

Digamos que quieres contratar a más Data Scientists junior para el equipo que has empezado a dirigir. Entonces, poner en línea una voz reaccionaria del tipo «sal de mi césped» probablemente no sea una buena idea.

Digamos que quieres convencer al mundo de que Rust es el futuro de la ciencia de datos. Entonces poner una voz amistosa y agradable es quizás también un desajuste. Nunca deberías elegir una voz abusiva, pero a veces un tinte de agresividad pasiva reprimida es entretenido .

Para finalizar

En esta entrada del blog, te he dado mis consejos para la creación de redes para las distintas etapas de un Data Scientist. No quiero que tomes esto como un evangelio, sino más bien como puntos de referencia para lo que podrías estar trabajando.

Si te interesa la data science, no dudes en seguirme en LinkedIn. Pero para que la conexión tenga sentido, cuéntame tu opinión personal sobre el trabajo en red. Me encantaría escuchar lo que tienes que decir .

The post Cómo hacer networking como Data Scientist: de los meetups a la mentoría first appeared on Planeta Chatbot.