Cómo utilizar ChatGPT para aprender Ciencia de Datos más rápido, incluso si ya eres avanzado

Cómo aprender Ciencia de Datos más rápido con ChatGPT, incluso si eres avanzado.

Discutiendo la relevancia de la ciencia de datos en el futuro dirigido por la inteligencia artificial y proporcionando una guía paso a paso sobre cómo aprender ciencia de datos de manera efectiva aprovechando las herramientas de inteligencia artificial

Tabla de Contenidos

• ¿La ciencia de datos seguirá siendo relevante?

• ¿Por qué deberías usar IA para aprender ciencia de datos?

• Cómo aprender ciencia de datos con IA en realidad

Paso 1: Desarrolla una hoja de ruta
Paso 2: Diseña ChatGPT para que sea mi tutor
Paso 3: Desarrolla un plan de estudio
Paso 4: Prueba herramientas avanzadas como AutoGPT
Paso 5: Realiza proyectos
Una guía completa para principiantes en proyectos
Una guía completa para profesionales avanzados en proyectos

• Conclusión

Todo ha cambiado en un corto período de tiempo. Las herramientas de IA, como ChatGPT y GPT-4, están tomando el control y cambiando por completo tanto la educación como el panorama del aprendizaje de habilidades técnicas. Sentí la necesidad de escribir este artículo para abordar algunas cosas importantes:

En la nueva era de la inteligencia artificial, ¿sigue siendo importante aprender ciencia de datos?
Si es así, ¿cuál es la mejor manera de aprender estas habilidades aprovechando las nuevas tecnologías disponibles? ¿Y cómo lo haría si tuviera que empezar de nuevo, en este momento?
¿Cómo se ve el futuro de la ciencia de datos?

¿La Ciencia de Datos Seguirá Siendo Relevante?

A medida que la IA continúa evolucionando, ¿los científicos de datos se volverán obsoletos o su papel será más crucial que nunca?

Desde una perspectiva personal, todavía siento que aporto más valor a mis clientes que simplemente la IA, y he logrado duplicar (al menos) mi rendimiento laboral con estas nuevas herramientas disponibles. En este momento, siento que la IA no me quitará el trabajo, pero, realísticamente, el futuro es más incierto que nunca.

Antes de asustarte por la desaparición de empleos, echemos un vistazo al siguiente escenario: En algún futuro, diriges una empresa en la que la IA realiza tu trabajo de análisis por ti.

¿A quién preferirías que estuviera a cargo de la IA, que la promueva y la supervise? ¿Quisieras que fuera alguien con experiencia en ciencia de datos o en ingeniería de software para supervisar estos programas, o preferirías que fuera alguien sin entrenamiento?

Creo que la respuesta es bastante obvia. Querrías que alguien con experiencia y conocimientos sobre cómo trabajar con datos dirija estos sistemas de IA.

A corto plazo, este escenario es esperanzadoramente hipotético. Pero me da cierta confianza de que algunos aspectos de estas habilidades tienen resiliencia.

Incluso si el panorama cambia y los científicos de datos hacen menos programación práctica, aún siento que estas habilidades que desarrollas al aprender este campo serán muy útiles en un mundo más integrado con la IA. La IA se basa en la ciencia de datos, y en cierto nivel estamos integrados en este sistema más que otras profesiones.

Además de eso, la IA todavía alucina, y necesitaremos a tantas personas como sea posible con buenos conocimientos para supervisarla y actuar como un ciclo de retroalimentación.

Aunque tengo incertidumbre sobre el futuro del trabajo de los científicos de datos, hay algo en lo que estoy bastante seguro: los datos, el análisis y la IA serán una parte aún más importante de nuestras vidas en el futuro. ¿No crees que las personas que han aprendido estos campos estarán mejor preparadas para tener éxito en el futuro?

¿Por qué deberías usar IA para aprender ciencia de datos?

Este artículo terminaría aquí si no creyera que todavía vale la pena aprender ciencia de datos. Para ser claro, todavía creo que vale la pena al 100%. Pero, para ser honesto, aprender solo ciencia de datos ya no es suficiente. También necesitas aprender a usar las nuevas herramientas de IA.

Lo curioso es que aprender tanto ciencia de datos como estas herramientas de IA es más fácil que aprender solo ciencia de datos. Permíteme explicarlo.

Resulta que estás entrando en el momento perfecto para aprender estos dos dominios juntos.

Si aprendes ciencia de datos aprovechando las nuevas herramientas de IA que existen, obtienes un beneficio doble:

Obtienes una experiencia educativa más personalizada e iterativa al aprender el dominio de los datos con la IA
También adquieres habilidades en herramientas de IA al mismo tiempo.

Obtienes el doble de beneficio con la mitad del trabajo si mis cálculos son correctos.

Si la capacidad de usar herramientas de IA puede ayudarte a conseguir un trabajo y hacer un mejor trabajo, es mejor saber cómo trabajar con ellas que ignorarlas. En los últimos tres meses, siento que he aprendido más sobre ciencia de datos de lo que he aprendido en los últimos tres años combinados. Atribuyo la mayoría de esto al uso de ChatGPT.

Entonces, ¿cómo se hace esto? ¿Cómo se aprende realmente ciencia de datos con IA?

Cómo Aprender Realmente Ciencia de Datos con IA

Esto es exactamente lo que haría si tuviera que comenzar de nuevo con todas estas herramientas disponibles para mí.

Paso 1: Desarrollar un Plan

Desarrollaría un plan. Puedes hacer esto buscando otros cursos o teniendo una conversación con ChatGPT. Literalmente puedes pedirle que te haga un plan de aprendizaje de ciencia de datos basado en tus objetivos de aprendizaje.

Si no tienes objetivos de aprendizaje, también puedes pedirle que cree una lista para ti y puedes encontrar las que te gusten.

Si quieres más información sobre el desarrollo de planes educativos, echa un vistazo a este artículo donde profundizo más en el tema.

Paso 2: Diseñar ChatGPT como mi Tutor

Diseñaría ChatGPT como mi tutor. Puedes crear personajes con GPT-4, que probablemente es mi característica favorita. Puedes usar un enunciado como este:

En este escenario, eres uno de los mejores profesores de ciencia de datos del mundo. Por favor, responde a mis preguntas sobre ciencia de datos de una manera que me ayude a desarrollar la mejor comprensión del dominio. Por favor, utiliza muchos ejemplos del mundo real o prácticos y dame problemas de práctica relevantes en el camino.

Paso 3: Desarrollar un Plan de Estudio

Casi con seguridad tengo prejuicios, pero creo que los cursos gratuitos o los cursos pagados, como el mío, siguen siendo una buena opción para crear una estructura para el aprendizaje. A medida que avanzas en el plan de estudio, puedes pedirle a tu tutor ChatGPT que te dé ejemplos, amplíe los temas y te dé problemas de práctica.

Paso 4: Probar Herramientas Avanzadas como AutoGPT

Si tienes un poco más de experiencia en el ámbito de la IA, podrías usar una herramienta como AutoGPT para generar un plan de estudios para ti. Podría intentar hacer esto y ver qué se me ocurre. Si lo hago, lo compartiré en mi GitHub. También entrevisté a GPT-4 en mi podcast donde profundizo más en qué es GPT-4.

Paso 5: Realizar Proyectos

Si ya te sientes cómodo programando, probablemente puedas pasar directamente a realizar proyectos. Personalmente, he aprendido mucho haciendo proyectos junto con ChatGPT. Hice esto para el desafío de Kaggle de bienes raíces.

Si es tu primer proyecto, simplemente pedirle que haga cosas está bien, pero a medida que avanzas, quieres ser más intencional e interactivo en cómo lo utilizas.

Comparemos cómo un principiante y un profesional avanzado deberían abordar el aprendizaje en un proyecto.

Recorrido por un proyecto para principiantes

Un ejemplo de un recorrido por un proyecto para principiantes podría verse así:

Le proporcionas a ChatGPT la información sobre las filas y columnas de los datos
Le pides que cree código de plantilla para explorar estos datos en busca de valores nulos, valores atípicos y normalidad
Le preguntas qué preguntas debes hacer sobre estos datos
Le pides que limpie los datos y construya el modelo para que puedas hacer una predicción sobre la variable dependiente

Aunque parezca que está haciendo todo el trabajo por ti, aún debes hacer que este proyecto se ejecute en tu entorno. También estás buscando soluciones y resolviendo problemas a medida que avanzas.

No hay garantía de que funcione como cuando copias el proyecto de alguien más, así que siento que este es un buen punto intermedio de aprendizaje en cuanto a involucración.

Recorrido por un proyecto para profesionales avanzados

Ahora, pensemos en cómo un profesional más avanzado utilizaría esto:

1. Podrías seguir los mismos pasos para generar código de plantilla, pero esto debería expandirse. Por lo tanto, es posible que desees experimentar con una exploración más práctica de los datos y pruebas de hipótesis. Tal vez, elige una o dos preguntas que desees responder con datos y estadísticas descriptivas y comienza a analizarlos.

2. Para alguien que ha realizado algunos proyectos, recomiendo generar parte del código tú mismo. Digamos que has creado un simple gráfico de barras en plotly. Podrías proporcionar eso y pedirle a ChatGPT que lo reformatee, que cambie el color o la escala, etc.

Haciendo esto, puedes iterar rápidamente en visualizaciones y ver en tiempo real cómo los diferentes ajustes al código cambian el gráfico. Esta retroalimentación inmediata es excelente para el aprendizaje.

3. También creo que es importante que revises estos cambios y veas cómo se hicieron. Además, si no entiendes algo, simplemente pregúntale a ChatGPT para que amplíe lo que hizo.

4. Los profesionales más avanzados también deberían centrarse más en la ingeniería de datos y los flujos de trabajo para la producción de código. Estas son cosas en las que aún necesitas estar bastante involucrado. Descubrí que ChatGPT pudo ayudarme en parte, pero también tuve que hacer mucha depuración por mi cuenta.

5. A partir de ahí, es posible que desees hacer que la IA ejecute algunos algoritmos y ajuste parámetros. Para ser honesto, creo que esta será la parte de la ciencia de datos que se automatizará más rápidamente. Creo que el ajuste de parámetros ofrecerá rendimientos decrecientes para los practicantes normales, pero tal vez no para los Kagglers de más alto nivel.

6. Deberías centrar tu tiempo en la ingeniería de características y la creación de características. Esto también es algo en lo que los modelos de IA pueden ayudar, pero no dominar por completo. Después de obtener algunos modelos decentes, observa qué datos puedes agregar, qué características puedes crear o qué transformaciones puedes hacer para mejorar tus resultados.

En un mundo con estas herramientas de IA avanzadas, creo que es aún más importante realizar proyectos que nunca. Debes construir cosas y compartir tu trabajo. Afortunadamente, con estas herramientas de IA, también es más fácil que nunca hacerlo. Es más fácil crear una aplicación web. Es más fácil trabajar con paquetes nuevos con los que nunca has trabajado antes.

Te animo encarecidamente a crear un impacto real en el mundo y cosas tangibles en tu trabajo de ciencia de datos. Esa será la nueva forma de diferenciarte cuando otros también estén utilizando estas herramientas para aprender y construir.

Conclusión

El mundo está cambiando y también lo está la ciencia de datos. ¿Estás preparado para aceptar el desafío y crear un impacto real en el mundo con tus proyectos?

Hice alusión a esto anteriormente, pero creo que la forma en que todos trabajamos está cambiando. Creo que es un momento incierto para todos los campos, incluida la ciencia de datos.

Por otro lado, creo que la ciencia de datos es una excelente combinación de habilidades técnicas y de resolución de problemas que se adaptan bien a casi cualquier nuevo mundo o campo.

He hablado extensamente en mi podcast sobre cómo creo que la ciencia de datos es uno de los campos más cercanos al emprendimiento puro que existe. Creo que, en un mundo cambiado por la inteligencia artificial, tendremos que aprovechar al máximo ese espíritu emprendedor.

Si disfrutaste este artículo, recuerda seguirme en Zepes para obtener más contenido como este o suscribirte por correo electrónico. Además, puedes compartir y recomendar este artículo a tu red que esté interesada en la ciencia de datos.

Si te gustan los videos divertidos e informativos sobre ciencia de datos, aprendizaje automático e inteligencia artificial, visita mi canal de YouTube, donde proporciono comentarios, tutoriales y otros videos educativos.

Para recibir actualizaciones semanales sobre la creación de mi contenido y recursos adicionales de aprendizaje en la industria de la ciencia de datos, ¡suscríbete a mi boletín, el Data Dribble!

Además, considera apoyarme y a miles de otros escritores registrándote para obtener una membresía.

Únete a Zepes con mi enlace de referencia – Ken Jee

Como miembro de Zepes, una parte de tu tarifa de membresía va a los escritores que lees y obtienes acceso completo a cada historia…

Zepes.com

Hasta la próxima, ¡buena suerte en tu viaje de ciencia de datos!