{"id":169970,"date":"2024-06-05T07:30:00","date_gmt":"2024-06-05T06:30:00","guid":{"rendered":"https:\/\/liora.io\/es\/?p=169970"},"modified":"2026-02-08T23:51:39","modified_gmt":"2026-02-08T22:51:39","slug":"expertos-en-datos-como-encontrar-esa-rara-joya","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/expertos-en-datos-como-encontrar-esa-rara-joya","title":{"rendered":"Expertos en datos: \u00bfy si el candidato ideal ya formara parte de su equipo?"},"content":{"rendered":"<p><strong><b>En los \u00faltimos a\u00f1os, la demanda de perfiles en Datos y especialmente en expertos en Aprendizaje Autom\u00e1tico se ha disparado. Sin embargo, a pesar de que esta demanda es significativa, la oferta no deja de crecer.<\/b><\/strong><\/p>\n<p>Aunque los talentos est\u00e1n distribuidos de manera desigual en las esferas profesionales (seg\u00fan el estudio de <a href=\"\/\">Burtch Works<\/a> de 2018, el 44% de los Cient\u00edficos de Datos est\u00e1n empleados en el sector tecnol\u00f3gico, m\u00e1s que en los sectores de la salud, consultor\u00eda, marketing, retail, educaci\u00f3n y gobierno juntos), esta tendencia tiende a desaparecer poco a poco.<\/p>\n<style>\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style>\n<h3>Las formaciones han sido dif\u00edcilmente accesibles durante mucho tiempo<\/h3>\n<p>Si hoy es complicado encontrar a Cient\u00edficos de Datos, es ante todo porque las formaciones en este \u00e1mbito han estado destinadas a un p\u00fablico espec\u00edfico durante a\u00f1os.<\/p>\n<p><b>Las ciencias que son necesarias para comprender y aplicar la IA, y que requieren una formaci\u00f3n s\u00f3lida, han sido la causa de la limitaci\u00f3n del n\u00famero de talentos en el mercado<\/b>. De hecho, cerca del 60% de los desarrolladores en Inteligencia Artificial tienen un M\u00e1ster en matem\u00e1ticas aplicadas, como el ofrecido por la prestigiosa <a href=\"\/\">\u00c9cole Polytechnique<\/a> en colaboraci\u00f3n con la ENSAE (M\u00e1ster 2 Matem\u00e1ticas y Aplicaci\u00f3n: Trayectoria Data Science), o el ofrecido por la Universidad Paris-Dauphine en cohabitaci\u00f3n con la ENS (M\u00e1ster 2 Matem\u00e1ticas y Aplicaciones: Trayectoria Matem\u00e1ticas, Aprendizaje y Ciencias Humanas (MASH)).<\/p>\n<p>Y a medida que el campo del Big Data se generaliza en empresas de todos los tama\u00f1os y sectores, m\u00e1s se disputan estas especialidades. Esto ha llevado al surgimiento de m\u00e1steres especializados en las <b>grandes escuelas de ingenier\u00eda y de negocios<\/b>, y a la democratizaci\u00f3n de formaciones en big data en el entorno universitario. Por ejemplo, un nuevo m\u00e1ster fue creado en Dauphine en 2019 (IASD: Inteligencia Artificial y Ciencias de los Datos).<\/p>\n<p>Otros obst\u00e1culos, como <b>la complejidad de acceder a grandes bases de datos<\/b> (o al menos las pertinentes) han perjudicado durante mucho tiempo el desarrollo y la democratizaci\u00f3n de la formaci\u00f3n en Ciencia de Datos. Afortunadamente, se est\u00e1n tomando nuevas iniciativas para abrir y compartir los datos al mayor n\u00famero de personas: como es el caso del sitio <a href=\"\/\">data.gouv.fr<\/a> que publica regularmente datos relacionados con la vida cotidiana de los franceses (como el n\u00famero de pasajeros en el transporte p\u00fablico o la contaminaci\u00f3n del aire).<\/p>\n<h3>\u00bfPor qu\u00e9 las ofertas se est\u00e1n democratizando?<\/h3>\n<blockquote><p><em>Hoy en d\u00eda, encontramos un mayor n\u00famero de Cient\u00edficos de Datos en el mercado. Esta tendencia se explica por tres factores.<\/em><\/p><\/blockquote>\n<p>En primer lugar, el <b>\u00abconocimiento puro\u00bb<\/b> <b>requerido para subir de nivel es m\u00e1s accesible<\/b> y se puede poner en pr\u00e1ctica m\u00e1s f\u00e1cilmente gracias al desarrollo de lenguajes como Python. De hecho, Python hace que la <b>programaci\u00f3n sea m\u00e1s sencilla<\/b> gracias a su librer\u00eda, <b>Scikit-Learn<\/b>, que permite probar algoritmos con pocas l\u00edneas de c\u00f3digo.<\/p>\n<p>En segundo lugar, <b>facilitar el acceso a los datos<\/b> ha permitido a los usuarios practicar sus conocimientos m\u00e1s frecuentemente, a trav\u00e9s de la realizaci\u00f3n de casos de uso. Permitir el acceso a grandes <b>bases de datos<\/b> a un n\u00famero creciente de individuos es la base del esp\u00edritu de Open Data. Tambi\u00e9n con este esp\u00edritu nacieron las formaciones en Ciencia de Datos y se han extendido tanto a empresas como a individuos.<\/p>\n<p>Finalmente, es la proliferaci\u00f3n de m\u00e1quinas potentes y econ\u00f3micas lo que ha permitido que el n\u00famero de perfiles en datos crezca de manera exponencial. De hecho, la falta de acceso a recursos computacionales hab\u00eda sido durante mucho tiempo un factor limitante en el <b>desarrollo de las<\/b> <a href=\"https:\/\/liora.io\/es\/data-science-definicion-problematica-y-casos-de-uso\">Ciencias de Datos<\/a>.<\/p>\n<style>\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\n<p>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"423\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/04\/data-science-data-expert-768x423-1.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/04\/data-science-data-expert-768x423-1.jpg 768w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/04\/data-science-data-expert-768x423-1-300x165.jpg 300w\" sizes=\"(max-width: 768px) 100vw, 768px\"><\/p>\n<p>Actualmente, gracias al <b>desarrollo de los Clouds<\/b> que aumentan las capacidades de almacenamiento, de la t\u00e9cnica y tambi\u00e9n los sistemas de alquiler de m\u00e1quinas, la potencia de c\u00f3mputo ya no es un problema como lo fue en el pasado. El precio de las m\u00e1quinas de c\u00e1lculo es extremadamente bajo cuando se conoce el impacto que pueden tener dentro de una empresa.<\/p>\n<p>As\u00ed, la conjunci\u00f3n de estos elementos permite la normalizaci\u00f3n de la pr\u00e1ctica del Aprendizaje Autom\u00e1tico. Hace 30 a\u00f1os, aunque la teor\u00eda ya estaba all\u00ed, faltaban los mecanismos que permitieran poner en pr\u00e1ctica la misma.<\/p>\n<blockquote><p><em>Esta democratizaci\u00f3n viene acompa\u00f1ada de una proliferaci\u00f3n de ofertas de formaci\u00f3n en Ciencias de Datos. Tanto individuos como profesionales quieren formarse y descubrir estos <b>nuevos campos atractivos<\/b>, en busca de nuevos desaf\u00edos, de una buena remuneraci\u00f3n o simplemente de un trabajo en un sector agradable (<b>el 75% de los profesionales de la IA est\u00e1n satisfechos con su puesto actual<\/b>).<\/em><\/p><\/blockquote>\n<p>Reorientarse a cualquier edad hacia los empleos de este campo parece entonces para algunos una necesidad. Adem\u00e1s, la falta de talentos asegura un <b>salario elevado<\/b>, alrededor de <b>50 000 \u20ac al a\u00f1o<\/b> seg\u00fan estudios realizados por Glassdoor en julio de 2019. Los desarrolladores en IA est\u00e1n entre los desarrolladores mejor pagados del mercado y sus salarios solo siguen aumentando: m\u00e1s de la mitad han disfrutado de un aumento de salario del 20% o m\u00e1s en los \u00faltimos tres a\u00f1os, seg\u00fan los estudios comentados en <strong>mmcventures.com<\/strong>.<\/p>\n<h3>Una mirada hacia el futuro<\/h3>\n<p>Con el tiempo, herramientas de IA m\u00e1s accesibles y un n\u00famero creciente de individuos calificados en Ciencia de Datos permitir\u00e1n explotar al m\u00e1ximo el potencial de la IA. Los gobiernos, as\u00ed como las empresas y universidades, deber\u00edan invertir masivamente en este sector para resolver sus problem\u00e1ticas respectivas.<\/p>\n<p>La multiplicaci\u00f3n de ofertas de formaci\u00f3n y los recursos puestos a disposici\u00f3n por los sectores p\u00fablicos y privados podr\u00edan tambi\u00e9n contribuir a este aumento de la oferta.<\/p>\n<p>El nivel de calificaci\u00f3n en el campo de la IA deber\u00eda disminuir, ya que este sector ser\u00e1 accesible a desarrolladores cada vez menos especializados. Estos desarrolladores trabajan en problem\u00e1ticas que evolucionan constantemente. As\u00ed, si bien la mayor\u00eda estaban empleados en el campo de las nuevas tecnolog\u00edas, la democratizaci\u00f3n y el aumento de la mano de obra calificada en Ciencias de Datos permitir\u00e1n la utilizaci\u00f3n de Data Analysts, Data Scientists y Data Engineers en sectores diversos y variados, como es el caso en la <a href=\"https:\/\/liora.io\/es\/data-science-y-salud\">salud<\/a>.<\/p>\n<p>Esta democratizaci\u00f3n se manifiesta principalmente en el \u00e1mbito empresarial. Seg\u00fan una encuesta de <a href=\"\/\">Gartner<\/a>, solo el 9% de las empresas no est\u00e1n interesadas en la IA. Para el 14% de los encuestados, la IA ya est\u00e1 presente en su empresa cuando el 23% declara que implementar\u00e1n soluciones de IA en los pr\u00f3ximos 12 meses y para el 52% de los encuestados, en un plazo de 1 a 3 a\u00f1os.<\/p>\n<p>De hecho, podr\u00edamos asistir al siguiente fen\u00f3meno: en la actualidad, en las empresas, hay empleados con suficiente experiencia para convertirse en Cient\u00edficos de Datos. En principio, tienen las competencias b\u00e1sicas que les permiten dar el salto. Estas competencias les permiten, entre otras cosas, comenzar a aprender un lenguaje de programaci\u00f3n popular en Ciencia de Datos como Python, luego avanzar en el manejo de datos a trav\u00e9s de NumPy y Pandas, y en Aprendizaje Autom\u00e1tico a trav\u00e9s de Scikit-Learn, TensorFlow y otras bibliotecas especializadas.<\/p>\n<p>As\u00ed, se puede considerar que las empresas cuentan con sus futuros Cient\u00edficos de Datos sin saberlo: no se dan cuenta del potencial de sus colaboradores que pueden ser f\u00e1cilmente reentrenados.<\/p>\n<p>Ese es precisamente <b>el objetivo de Liora<\/b>: hemos desarrollado una plataforma de <b>formaci\u00f3n en Ciencia de Datos<\/b> para aumentar las competencias de los equipos de los mayores grupos franceses e internacionales.<\/p>\n<p><a href=\"https:\/\/liora.io\/es\/nuestros-cursos-de-data\"><br \/>\nM\u00e1s informaci\u00f3n sobre Liora<br \/>\n<\/a><\/p>\n<p>Si desea obtener m\u00e1s informaci\u00f3n sobre <a href=\"https:\/\/liora.io\/es\/nuestros-cursos-de-data\">nuestras formaciones en datos<\/a>, <a href=\"https:\/\/liora.io\/es\/proceso-de-inscripcion\">\u00a1cont\u00e1ctenos!<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>En los \u00faltimos a\u00f1os, la demanda de perfiles en Datos y especialmente en expertos en Aprendizaje Autom\u00e1tico se ha disparado. Sin embargo, a pesar de que esta demanda es significativa, la oferta no deja de crecer. Aunque los talentos est\u00e1n distribuidos de manera desigual en las esferas profesionales (seg\u00fan el estudio de Burtch Works de [&hellip;]<\/p>\n","protected":false},"author":74,"featured_media":169972,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2440],"class_list":["post-169970","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ia"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/169970","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/users\/74"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/comments?post=169970"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/169970\/revisions"}],"predecessor-version":[{"id":183422,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/169970\/revisions\/183422"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/169972"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=169970"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=169970"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}