Ciência de dados: na tarefa, não no título

Data Science é o objetivo; Alguns de nós podem estar lá antes de percebermos isso.

Hershel Eason em Rumo à Ciência dos Dados Seguir no dia 9 de julho · 6 min ler

TL; DR. Aviso justo: este artigo é mais para inspirar os outros. Os conselhos acabam dando trabalhos para mim, e espero que funcione para alguém que esteja lendo isso.

Foto de Vladislav Klapin em Unsplash

Olá Mundo! Tenho novidades para você; Eu sou um cientista de dados. Ou pelo menos eu me considero ser. A definição de um cientista de dados tem se consolidado ao longo dos anos, em grande parte, para startups de alto nível de IA e ML que foram pioneiras em descrições de cargos e estruturas de equipe. Eu, no entanto, não trabalho em uma dessas equipes. Eu nem trabalho em uma dessas empresas nem vejo uma dessas equipes na minha empresa. Eu me considero um cientista de dados porque eu busco, estudo, modelo, analiso, crio visualmente e explico dados para partes interessadas internas e externas. Parece muito quando escrevo, mas estou disposto a apostar que muitos de nós realizamos o mesmo trabalho ou algo parecido sem o apelido da ciência de dados. Somos cientistas de dados em tarefa, mas não em título.

Eu não fiz isso aqui por qualquer caminho convencional, e duvido seriamente que exista um. A ciência de dados é sobre seguir a paixão pela exploração e aprendizado diariamente. Esse crescimento autônomo constante é o que nos leva lentamente de onde começamos até onde estamos hoje, data science. Tanto como campo quanto como pessoas nesse campo, ninguém aprendeu tudo de que precisavam para a ciência de dados da escola. Na verdade, a escola nos dá uma base. Eu trabalhei com pessoas que têm experiência em áreas como testes biomédicos, ciência da computação, pesquisa operacional, estatística e psicologia. Até eu comecei na educação musical. Então, como eu desenvolvi meu próprio caminho e o que foi preciso para ir de professor de música a cientista de dados? Paixão.

Paixão: de música para dados

Ainda me lembro da sensação de cascas de tambor de bordo cru. O cheiro de cola e madeira era tão distinto e suave quando mudei uma pele de tambor. Eu também lembro dos nós torcendo no meu estômago quando eu não conseguia acompanhar o resto da banda. Eu não fui mau, mas não fui ótimo. Meu amor e paixão estavam no ensino. Vendo o clique de compreensão e a alegria no rosto de uma criança foi o que me manteve por 5 anos.

Foto de Josh Sorenson em Unsplash

Eu me aproximei de música, bateria e percussão como um engenheiro. Talvez o desejo de desacelerar e estudar cada fragmento me prendesse quando eu brincava, mas me diferenciava quando me sentava ao lado de um aluno. Eu poderia explicar o aperto, a tensão, e sentir em uma infinidade de maneiras que, lentamente, preencheram essas lacunas na compreensão que às vezes parecem intransitáveis. Eu estava feliz, verdadeiramente feliz quando estava ensinando. Então o que aconteceu? Ambição.

Não foi o suficiente para eu dar aulas particulares durante toda a minha vida ou ensinar em uma pequena escola em algum lugar. Eu queria ser um peixe grande em um grande lago. AAAND… fila a próxima fase da vida. Eu me atrapalhei! Eu me tornei ninguém em um mar de alguém. Passei o ano seguinte como manobrista, mas nunca deixei minha paixão morrer. Nas minhas pausas e momentos de silêncio, continuei a ler um livro que tinha sido uma pedra angular estranhamente estranha de um trabalho de pesquisa que escrevi sobre educação baseada no cérebro, ou seja, neurociência aplicada ao ensino.

Na esquina da paixão e do talento

Em poucos meses, fui aceito em uma universidade para um mestrado em psicologia com foco em neurociência. Foi surreal. Eu pensei que eu tivesse de alguma forma roubado o lugar de outra pessoa (a carta de aceitação dizia 'Harold'), mas na verdade meu professor escolheu me aceitar por causa do meu histórico musical. Sua pesquisa enfocou crianças com dislexia e como elas processam informações auditivas. Ele estava procurando um músico para fornecer uma nova perspectiva ao seu trabalho. Eu me encaixo perfeitamente! Eu finalmente encontrei um grupo de pessoas que queria examinar detalhes de comportamento como engenheiros, da mesma forma que eu havia abordado a música antes. Essa fase do estudo focado no comportamento se mostraria útil mais tarde ao lidar com as partes interessadas, mas não seria meu catalisador definitivo em ciência de dados. Essa honra vai para a classe de regressão humilde. A regressão acabou sendo minha introdução a um mundo que, para minha surpresa, consumiria todos os meus pensamentos.

Foto por Aaron Burden em Unsplash

Estatísticas clicaram comigo. Fazia sentido para mim e fazia sentido do mundo. Mudei para o campo de nicho mais numeroso, a Psicologia Quantitativa, e mais uma vez fiquei feliz, verdadeiramente feliz. O constante crescimento e a determinação do meu próprio eu, para não ficar atrás de meus pares (muitos dos quais tinham estatísticas em solteiros), forçaram-me a ler livros e artigos adicionais apenas para entender minhas atribuições. Felizmente, meus professores foram muito encorajadores de idéias, perguntas e críticas. Logo eu criei o hábito de todos os três. Fiz muitas perguntas, propus teorias alternativas e tentei aplicar novos métodos estatísticos a campos bem estabelecidos. Eu senti na época que muitos deles eram perguntas estúpidas (e em retrospectiva, muitos definitivamente eram), mas eu sabia que me colocar lá fora assim me ajudou a crescer. Esses dois anos me ajudaram a encontrar o que eu era bom e me ensinou como me ensinar.

Da Academia à Aplicação

Ao me formar, finalmente seria solto no mundo. Armado com paixão crua e uma pequena quantidade de talentos refinados, eu iria redefinir a maneira como o mundo olhava para tudo. Ou então pensei até que meu velho amigo Ambition me preparou para ser mais uma vez um analista iniciante. Eu usei a menor fração de tudo que eu tinha aprendido. Means, maximums e minimums governavam o mundo, uma série de gráficos de barras passados para um slide deck de apresentação do cliente e TI era o nosso data munger. Funcionou. A empresa ganhava dinheiro, mas eu não sentia que contribuí apenas fazendo o que sempre havia sido feito.

Tem sido uma estrada difícil desde que entrou no mundo corporativo. Eu não vou mais fazer um post longo recapitulando esta fase da vida. Felizmente, eu não tenho que fazer para fazer o meu ponto. Eu não cresci querendo ser um cientista de dados (também não era uma coisa quando eu estava crescendo). Eu não fui à escola para ciência de dados. Comecei seguindo minhas paixões. Em seguida, aproveitei meus talentos e então permiti que meu desejo constante de crescimento por conta própria assumisse o controle. Ainda assim, saí para o mundo como preparado para qualquer pessoa depois da escola. Eu tive uma fundação.

Nos últimos 5 anos, tenho permitido que o constante crescimento autônomo me defina e a qualidade do trabalho que eu forneço. É essa unidade que me permite, como analista regular, construir algoritmos de agrupamento soundex para combinar médicos em dados de entrada manual, redefinir modelos de tempo de mercado usando autoencodificadores de detecção de anomalias e implementar o openCV para recuperar informações de imagens de anúncios. A escola nunca me ensinou nada disso. Eu me ensinei a ser um cientista de dados e estou disposto a apostar que não sou o único que aprendeu a sonhar, construir e entregar como um cientista de dados sem o título.

Foto de Markus Spiske em Unsplash

Então, aqui está o meu conselho final para os apaixonados pela ciência de dados que sentem que estão do lado de fora olhando para dentro.

1. Encontre algo que você é apaixonado.
2. Descubra onde seus talentos causam mais impacto.
3. Cresça e desenvolva onde um e dois se encontram.

Vá lá e consuma ideias de outros campos ou indústrias e aplique-as ao seu. Tire algumas horas toda sexta-feira para trabalhar ou estudar uma nova ideia, porque o crescimento não vem apenas para você; você cultiva isso. A ciência de dados não vem apenas para você; você cultiva isso a cada passo do caminho.

Shoutout para todos os analistas por aí implementando grandes ideias. Somos cientistas de dados em tarefa, não em título.

Texto original em inglês.