E207 - ¿Qué debería saber hoy un Data Scientist?

Resumen

El episodio 207 explora qué debería saber hoy un data scientist en la era de la IA generativa. Mati propone que no hay una respuesta única: lo que se necesita depende de la industria, el seniority, el rol y la empresa. Revisan ofertas de trabajo reales y concluyen que son muy genéricas y poco útiles como guía de estudio. Luego clasifican en vivo una lista de habilidades en categorías (obligatorio, útil, nice to have, especialista, humo, no necesario). Hay consenso en que Docker, uso de agentes/skills/MCP, conceptos base de LLMs (tokens, context window, prompting) y pensamiento crítico son muy importantes, mientras que Kubernetes, observabilidad, LangChain y LangGraph son especialistas o "humo". Hay desacuerdos sobre Git, testing y si la evaluación de sistemas generativos es tarea del data scientist o del AI engineer. El rol de data scientist se describe como híbrido y mal definido, y se aconseja aprender lo fundamental de muchas áreas, desarrollar pensamiento crítico y no temer cambiar de rol.

Capítulos

• 00:00
  IntroMati presenta el tema: qué debe saber un data scientist en la era de la IA generativa. Aclara que es una conversación y que otros pueden discrepar.
• 01:25
  ¿Basta el stack clásico?Se pregunta si basta con Python, machine learning, SQL y estadística. La respuesta es que depende de la empresa, pero es poco probable, porque la mayoría usa IA para desarrollar y hay que saber controlarla.
• 02:42
  Pizarra y nubeMati presenta su pizarra digital (una tableta china tipo Wacom). Un comentario de YouTube señala que piden bastante nube, sobre todo las tres grandes; aclara que "skills" se usa en sentido genérico.
• 04:34
  El core del data scienceCintia destaca que lo básico de estadística y los supuestos de los modelos siguen siendo necesarios. Mati recuerda la "trifuerza" (hacking skills, business skills y matemáticas) y menciona los capítulos 46 y 112; ahora se suma la IA generativa.
• 07:28
  Qué lo determinaLo que se pide depende de la industria (p. ej. minería, salud, optimización en supply chain), del seniority y del rol. No hay una lista única; quien la ofrezca "miente".
• 14:20
  Ejercicio con ofertasRevisan ofertas de Sodimac, Transbank, Coca-Cola Andina, Neural Works y otras. Casi todas son genéricas ("machine learning", "analítica avanzada"); las de GCP o A/B testing son más específicas y no piden IA generativa.
• 25:26
  Patrones en avisosLos avisos junior piden poco (carrera y ganas); los senior son genéricos. Las ofertas no sirven como guía de estudio.
• 26:36
  Roles y confusiónA partir de un post de Reddit, dibujan los roles (data engineer, analyst, MLOps, AI engineer). Coinciden en que el data scientist es el rol menos definido y dispara para todos lados.
• 29:29
  Clasificar skillsMati presenta el esquema de clasificación (obligatorio, útil, especialista, humo) y la lista generada con GPT. Se enfoca en quien estudia y busca trabajo en general, no en un puesto específico.
• 33:21
  Arquitectura y seniorityLa arquitectura de software se considera clave para no proponer soluciones absurdas en IA generativa; Rodo la ve como obligatoria. Se distingue entre cultura de empresa e industria y se añade la categoría "nice to have".
• 37:56
  MLOps en la prácticaSe desglosa MLOps en CI/CD, Git, Docker y API.
• 38:21
  APIs y FastAPIMati dice que entender qué es una API le resultó muy útil con la IA generativa.
• 38:52
  Colores senior juniorAcuerdan usar colores para distinguir senior y junior.
• 39:51
  CI CD debateNo hace falta saber crear flujos de CI/CD, pero sí usarlos: revisar pull requests, entender el deployment y avisar si algo falla. Se acuerda "usarlo" como categoría útil.
• 43:04
  Git obligatorio o noHay desacuerdo: algunos lo consideran obligatorio (commit, pull, merge) incluso para junior; otros dicen que se puede enseñar rápido.
• 45:13
  Testing con IADebate sobre si testing es necesario cuando la IA escribe los tests. Se advierte que la IA puede dejar valores hardcodeados para pasar los tests, así que hay que revisarlos; no hay acuerdo.
• 48:37
  Excel y pausa memesDescartan hacer el ejercicio en Excel y agregan la habilidad Excel como broma, con una categoría por encima de obligatorio.
• 49:43
  Comentarios y legacy codeComentarios sobre portafolio (hacer proyectos reales, no Kaggle) y sobre variables compartidas en Positron. Memes sobre legacy code y COBOL, y sobre el uso excesivo de IA por estudiantes.
• 54:31
  Docker nube KubernetesMati dice que Docker pasó de útil a obligatorio, casi indispensable para senior y muy importante para junior. Kubernetes se clasifica como especialista; las nubes son más relevantes que Docker para un junior.
• 59:55
  MLOps drift servingObservabilidad es especialista; MLflow y tracking de experimentos son útiles. Drift se entiende como concepto, pero su monitoreo es especialista. Se explica model serving: batch frente a servicio en tiempo real, con una gama intermedia según la latencia.
• 01:05:28
  Transformers y Hugging FaceTras un comentario sobre explainability, clasifican Transformers como nice to have y Hugging Face como nice to have (en empresas hay restricciones de ciberseguridad y no es necesario para junior).
• 01:10:34
  Skills LinkedIn y promptsPasan a las habilidades típicas de LinkedIn de IA generativa. Algunos defienden que el uso de skills es obligatorio incluso para junior.
• 01:13:11
  Pensamiento crítico hiringUn participante propone contratar por capacidad de decidir y pensar fuera de la caja más que por herramientas concretas. Mati responde que el pensamiento crítico requiere entender lo que hay por debajo.
• 01:16:29
  Pensamiento crítico vs herramientasPensamiento crítico funciona como comodín que suma más puntos que cada herramienta, pero se desarrolla con experiencia y casos reales.
• 01:17:43
  RAG baja del hypeRAG pasa a especialista porque el contexto de los modelos ha crecido; es útil con mucha documentación fija. Lo comparan con big data.
• 01:20:59
  Conceptos base obligatoriosTokens, context window y prompting se consideran obligatorios para cualquier nivel. Agentes, skills y MCP son obligatorios como usuario; crear skills es útil para senior.
• 01:22:58
  LangChain y humoLangChain y LangGraph se clasifican como cercanos a humo; no los han necesitado. Se puede lograr lo mismo con herramientas como Claude Code.
• 01:24:49
  Evaluación es claveMati pone la evaluación de modelos como obligatoria, incluso para junior. Un participante discrepa: la evaluación de sistemas agénticos sería de AI engineer.
• 01:29:51
  Data scientist vs AI engineerMati sostiene que el AI engineer está más alejado del negocio y que el data scientist debe validar que la solución resuelve el problema. Otro participante argumenta que el data scientist es quien resuelve el problema de negocio.
• 01:33:57
  El rol híbrido hoyMati describe el rol como híbrido y afirma que quien domine más áreas es privilegiado en el mercado. Su ideal sería un data scientist enfocado en ML clásico, pero asigna 1% de probabilidad a que eso ocurra.
• 01:39:35
  Nombres de roles y consultorasDebaten roles nuevos (forward deployed engineer, mec interpretability) y su clasificación como humo. Se plantea que las consultoras y los medios (Harvard Business Review) imponen los nombres de los roles.
• 01:44:02
  Consejos para cerrarConsejos: seguir la tabla de forma práctica, desarrollar pensamiento crítico con problemas reales, tener conocimiento amplio más especialidades y aprovechar el multiplicador de productividad de la IA.
• 01:51:05
  CierreNo hay consenso total, pero sirve de guía práctica. Se anima a no temer cambiar de rol, porque aprender estas áreas da flexibilidad en el mercado.

Palabras clave