Resumen
En este episodio (18) de enCoders los participantes repasan la historia de la Data Science: qué es, cómo ha ido cambiando de nombre (análisis de datos, Data Mining, Big Data, Data Science) y cómo se relaciona con la estadística, la matemática y las ciencias de la computación. Debaten si es solo un "rebranding" de la estadística y concluyen que es un término muy amplio y de marketing, pero útil para englobar muchas disciplinas. Revisan la evolución de las herramientas en la industria (bases de datos relacionales, SAS, Excel, Hadoop, Spark, Python/R, la nube) y que muchos algoritmos (kNN, regresión logística, perceptrón, Random Forest) son anteriores al propio término. Cierran con memes y predicciones: el rol de Data Scientist se dividirá en roles más especializados, habrá asistentes de IA (copilot, generación de imágenes, audio, PPT) y las máquinas no "dominarán" a los humanos, sino que los errores serán humanos de parametrización y supervisión.
Capítulos
- 00:00IntroBienvenida al episodio 18: qué es Data Science, su diferencia con la estadística, cómo evolucionaron los nombres y las técnicas, y luego predicciones del futuro. Debaten cuánto sirve saber la historia; algunos la ven como curiosidad entretenida y otros como útil para entender qué puede pasar y cómo se trabajaba antes.
- 02:00OverviewSegún Wikipedia, Data Science es una disciplina interdisciplinaria (estadística, computación, método científico). Discuten si es un rebranding de la estadística o de las matemáticas aplicadas, mencionan los gradient boosting y el descenso de gradiente, las cadenas de Markov como herramienta aplicable directamente, y que la clave hoy es generar valor con datos. Se recomienda la película *Moneyball* (béisbol, 2002) como ejemplo de decisiones basadas en datos en vez de intuición.
- 14:08Historia: "Early usage"John Tukey usó el término "Data Analysis" y participó en la FFT (transformada rápida de Fourier, usada en celulares, televisores, noise cancelling); creó también el boxplot. Jeff Wu propuso "Data Science" como alternativa a estadística (1997), Peter Naur lo propuso como alternativa a computer science, y en 1996 hubo la primera conferencia especializada. Se explica Data Mining como el proceso de extraer patrones (nombre poco acertado) y se menciona la historia de la infraestructura de los 60-90: bases de datos relacionales, SAS (caro, lenguaje propio, usuarios "atrapados"), contabilidad como primer uso y la llegada de la web a fines de los 90. También discuten la dificultad de las migraciones.
- 38:15Historia: "Modern usage"DJ Patil (Chief Data Scientist de EE.UU.) y Thomas Davenport popularizaron que Data Scientist es "el trabajo más sexy del siglo XXI". Critican el término Big Data como buzzword de consultoras (muchos lo usaban para datos que no cabían en Excel), y repasan MapReduce de Google, Hadoop, y luego Spark (en memoria), además del concepto de las "V" del Big Data. Opinan que aprender Hadoop hoy es útil sobre todo por perspectiva histórica.
- 47:43MemesRevisan memes de Data Science (python, sklearn, pandas), la IA como puro "if-else", estadística vs. Machine Learning vs. Deep Learning con distintos nombres, y a Andrew Ng, cuyo curso introductorio de Machine Learning en Coursera recomiendan. Comentan que Deep Learning es más "sexy" aunque el ML básico es más aplicable.
- 53:31Historia de los algoritmosMati muestra que los algoritmos son más antiguos que el término: regresión lineal (1800s), kNN (~1951, paper de Fix y Hodges; Thomas Cover lo refinó en los 60 y GPT se equivocó en la atribución), regresión logística (David Cox, ~1958), árboles de decisión (años 60), Random Forest (Leo Breiman, ~2000; Tim Kam Ho como precursor) y perceptrón (años 50). Comenta que los papers originales son crípticos y debaten sobre notación matemática; concluye que la matemática avanza por su lado y luego la computación la aprovecha.
- 01:08:44Predicciones del futuroCris repasa herramientas (Excel/VBA, Tableau, Power BI, Python/R, nube y proveedores hiperescalares como AWS) y el paso on-premise a la nube. Comentan la película AlphaGo/DeepMind, el paper U-Net, y predicen que no habrá dominación de las IA sino errores humanos y sesgos; que el rol de Data Scientist se dividirá (Data analyst, Data engineer, ML engineer, MLOps), que crecerán asistentes como copilot/ChatGPT, generación de imágenes, audio y presentaciones, y el metaverso como fuente de datos. Opinan que habrá que supervisar las herramientas, que la profesión cambiará más que desaparecer, y mencionan Neuralink y el futuro "cyberpunk".
- 01:35:31CierreResumen: se vio la etimología y los nombres, el debate sobre el rebranding, la historia de algoritmos y herramientas, y las predicciones (roles separados, más asistentes en programación). Cierran destacando que conocer la historia demuestra pasión por el área.