{"id":171653,"date":"2024-06-13T07:30:00","date_gmt":"2024-06-13T06:30:00","guid":{"rendered":"https:\/\/liora.io\/es\/?p=171653"},"modified":"2026-02-08T23:51:02","modified_gmt":"2026-02-08T22:51:02","slug":"camino-data-scientist-data-analyst-data-engineer","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/camino-data-scientist-data-analyst-data-engineer","title":{"rendered":"Convertirse en Data Scientist, Data Analyst, Data Engineer &#8211; Requisitos previos"},"content":{"rendered":"<h2><b>Las carreras en data science est\u00e1n en continua transformaci\u00f3n tecnol\u00f3gica, haciendo dif\u00edcil establecer una lista definitiva de requisitos.<\/b><\/h2>\n<h2><b>Las t\u00e9cnicas usadas en cada uno de los roles de data no son est\u00e1ticas, y definir sus responsabilidades y requisitos previos es un desaf\u00edo.<\/b><\/h2>\n<h2><b>En este art\u00edculo, intentaremos elucidar, describiendo las habilidades principales de un data scientist, data engineer y data analyst, necesarias para desempe\u00f1ar sus funciones.<\/b><\/h2>\n<p>Contenidos que abordaremos:<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\">C\u00f3mo ingresar a las carreras en data<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Requisitos previos en matem\u00e1ticas<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Requisitos previos en programaci\u00f3n<\/li>\n<\/ul>\n<style>\nbody.elementor-page .elementor-widget-menu-anchor{margin-bottom:0}<\/style>\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>\u00bfC\u00f3mo accedo a los trabajos con datos?<\/h3>\n<p>Muchos estad\u00edsticos piensan que la Ciencia de Datos consiste en analizar datos, cuando en realidad tambi\u00e9n implica implementar <strong>algoritmos que procesen autom\u00e1ticamente los datos<\/strong> para mejorar sus predicciones.<\/p>\n<p>Para que conozcas mejor las profesiones de Cient\u00edfico de Datos, Analista e Ingeniero, sigue nuestra gu\u00eda de competencias esenciales:<\/p>\n<h4><i>Requisitos Previos en Matem\u00e1ticas<\/i><\/h4>\n<p>Para entrar en los roles de data es imprescindible contar con una fuerte base en matem\u00e1ticas y programaci\u00f3n. Trabajar en <a href=\"https:\/\/liora.io\/en\/professional-data-science-training-the-best-options\">Data Science<\/a> requiere un s\u00f3lido entendimiento de determinados conceptos matem\u00e1ticos.<\/p>\n<h5><u>Estad\u00edsticas<\/u><\/h5>\n<blockquote><p>Aunque <a href=\"https:\/\/liora.io\/es\/los-herramientas-que-utilizael-data-analyst-a-diario\">Data Analyst<\/a>, <a href=\"https:\/\/liora.io\/es\/ficha-del-perfil-de-data-scientist\">Data Scientist<\/a> y <a href=\"https:\/\/liora.io\/es\/data-engineer\">Data Engineer<\/a> tienen misiones distintas, comparten algunos requisitos. La estad\u00edstica es la materia matem\u00e1tica principal indispensable para la data science.<\/p><\/blockquote>\n<p>No obstante, Data Science no debe confundirse con <a href=\"https:\/\/www.worldbank.org\/en\/publication\/wdr2021\">las estad\u00edsticas<\/a>. A pesar de poseer habilidades y metas en com\u00fan, son disciplinas diferentes.<\/p>\n<p><strong>Data Science<\/strong> <strong>se aprovecha<\/strong> <strong>intensivamente de la computaci\u00f3n y la tecnolog\u00eda<\/strong>, permitiendo acceder a <strong>grandes volumenes de datos<\/strong>, manipularlos y visualizarlos con c\u00f3digo.<\/p>\n<p>Las estad\u00edsticas suelen depender de teor\u00edas consolidadas enfoc\u00e1ndose m\u00e1s en la <strong>verificaci\u00f3n de hip\u00f3tesis<\/strong> y es una ciencia m\u00e1s tradicional que ha cambiado poco en las \u00faltimas cinco d\u00e9cadas, a diferencia de la Data Science, que ha evolucionado con el incremento del uso de computadoras.<\/p>\n<p>Un Data Scientist, Analyst o Engineer conecta data science con estad\u00edsticas, utilizando estas herramientas para inferir conclusiones de grandes vol\u00famenes de data. Lo esencial incluye:<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Conceptos de mediana, desviaci\u00f3n est\u00e1ndar, varianza y media<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Generadores de n\u00fameros aleatorios, c\u00e1lculo de errores<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Modelos de regresi\u00f3n lineal<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Teor\u00edas de estimaci\u00f3n<\/li>\n<\/ul>\n<h5><u>\u00c1lgebra Lineal<\/u><\/h5>\n<p>Tanto el data scientist como el data engineer requieren conocimientos de \u00e1lgebra lineal adicionalmente a la estad\u00edstica.<\/p>\n<p>El dominio del <strong>\u00e1lgebra lineal<\/strong> es crucial para la <strong>gesti\u00f3n de grandes conjuntos de datos<\/strong>. Este conocimiento facilita la comprensi\u00f3n de los espacios donde la mayor\u00eda de algoritmos de Machine Learning y t\u00e9cnicas estad\u00edsticas operan.<\/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<figure>\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/images.app.goo.gl\/xwYqoqAr7rPtxDvx6\"><br \/>\n<img decoding=\"async\" width=\"550\" height=\"352\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/05\/analyse-de-donnees.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/05\/analyse-de-donnees.jpg 550w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/05\/analyse-de-donnees-300x192.jpg 300w\" sizes=\"(max-width: 550px) 100vw, 550px\">\t\t\t\t\t\t\t\t<\/a><figcaption>An\u00e1lisis de datos<\/figcaption><\/figure>\n<figure>\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/encrypted-tbn0.gstatic.com\/images?q=tbn%3AANd9GcS8V-TPq9vBm3sDss7h8HsfNaRtgi3Xib8Rug&amp;usqp=CAU\"><br \/>\n<img decoding=\"async\" width=\"237\" height=\"213\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/05\/modele-lineaire.png\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t<\/a><figcaption>Modelo lineal<\/figcaption><\/figure>\n<p>En an\u00e1lisis de datos, un Modelo Lineal representa datos en una matriz con n-observaciones por p-caracter\u00edsticas:<\/p>\n<p><a href=\"https:\/\/images.app.goo.gl\/dhYg51fxR4Dt72wK9\"><br \/>\n<img decoding=\"async\" width=\"217\" height=\"158\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/05\/matrice.gif\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t<\/a><\/p>\n<p>Todos los <strong>algoritmos de Machine Learning<\/strong> aplican <strong>t\u00e9cnicas de \u00e1lgebra lineal<\/strong> para <strong>representar y procesar estructuras de redes<\/strong> y operaciones de aprendizaje.<\/p>\n<p>Los conceptos fundamentales en \u00e1lgebra lineal incluyen:<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Funciones lineales, matrices transpuestas, sistemas de ecuaciones lineales<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Descomposici\u00f3n de matrices, Dunford y reducci\u00f3n de Jordan<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Espacios vectoriales, producto escalar, ortonormalidad y ortogonalidad<\/li>\n<\/ul>\n<h4><u>Probabilidades<\/u><\/h4>\n<p>Por \u00faltimo, <strong>Data Analyst y Data Scientist<\/strong> tambi\u00e9n trabajan con probabilidades.<\/p>\n<p>La <strong>teor\u00eda de probabilidades<\/strong> estima la ocurrencia de sucesos mediante variables aleatorias e independientes.<\/p>\n<p>Entre las herramientas probabil\u00edsticas que puede necesitar un <a href=\"https:\/\/liora.io\/en\/how-to-become-a-data-scientist-in-vienna-today\">Data Scientist<\/a> se encuentran:<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Distribuci\u00f3n uniforme, normal, binomial, Poisson<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">Teorema de Bayes, probabilidad condicional<\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\">M\u00e9todo de Monte Carlo (para estimar la media de una variable aleatoria)<\/li>\n<\/ul>\n<h4><i>Requisitos Previos en Programaci\u00f3n<\/i><\/h4>\n<p>Como se mencion\u00f3 anteriormente, un data analyst, data scientist y data engineer hacen uso de diversas herramientas matem\u00e1ticas al crear modelos para extraer valor de los datos. Principalmente aplican <a href=\"https:\/\/liora.io\/es\/machine-learning-definicion-funcionamiento-usos\">Machine Learning<\/a>, que exige cierta habilidad en programaci\u00f3n.<\/p>\n<p>Mientras que los tres roles comparten requisitos matem\u00e1ticos, sus necesidades computacionales difieren.<\/p>\n<blockquote><p>Se podr\u00eda decir que el Data Analyst no necesita habilidades espec\u00edficas en programaci\u00f3n para iniciarse. Un Data Scientist, preferiblemente, deber\u00eda tener alguna experiencia en programaci\u00f3n.<\/p><\/blockquote>\n<p>En cuanto al Data Engineer, conviene estar familiarizado con herramientas inform\u00e1ticas, como los comandos Shell tales como &#8216;ls&#8217; para listar directorios o &#8216;cp&#8217; para copiar archivos. Deben conocer al menos un lenguaje de programaci\u00f3n, los m\u00e1s populares incluyen: <a href=\"\/\">Python<\/a>, Java, JavaScript, C, C++, y otros lenguajes. Adem\u00e1s, un conocimiento profundo en <a href=\"https:\/\/liora.io\/en\/cloud-data-engineer-course-the-best-options\">herramientas de ingenier\u00eda de datos<\/a> es muy beneficioso.<\/p>\n<blockquote><p>En s\u00edntesis, un Data Engineer necesita fundamentos de programaci\u00f3n, algoritmia y conocimientos b\u00e1sicos de BDD (Bases de Datos).<\/p><\/blockquote>\n<p><img decoding=\"async\" width=\"1081\" height=\"1081\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1.png 1081w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1-1024x1024.png 1024w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/7\/2024\/06\/roles-in-datascience-1-768x768.png 768w\" sizes=\"(max-width: 1081px) 100vw, 1081px\"><\/p>\n<p>\u00bfInteresado en aprender m\u00e1s sobre las carreras en data? Liora ha realizado una investigaci\u00f3n exhaustiva. <a href=\"https:\/\/liora.io\/es\/curso-data-scientist-en-linea\">\u00a1Desc\u00fabrelo en este art\u00edculo!<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Las carreras en data science est\u00e1n en continua transformaci\u00f3n tecnol\u00f3gica, haciendo dif\u00edcil establecer una lista definitiva de requisitos. Las t\u00e9cnicas usadas en cada uno de los roles de data no son est\u00e1ticas, y definir sus responsabilidades y requisitos previos es un desaf\u00edo. En este art\u00edculo, intentaremos elucidar, describiendo las habilidades principales de un data scientist, [&hellip;]<\/p>\n","protected":false},"author":74,"featured_media":171655,"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-171653","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\/171653","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=171653"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/171653\/revisions"}],"predecessor-version":[{"id":183413,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/171653\/revisions\/183413"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/171655"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=171653"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=171653"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}