No se pierda nunca una nueva edición de The Variable, nuestro boletín semanal que presenta una selección de primer nivel de selecciones de los editores, análisis profundos, noticias de la comunidad y más.
Las profesiones no cambian de la noche a la mañana y rara vez se puede señalar un solo momento que las transforme para siempre. Procesos complejos como estos ocurren con el tiempo y requieren la acumulación de innumerables hábitos, herramientas y decisiones comerciales nuevos.
Esta semana destacamos tres excelentes artículos sobre el estado actual de la ciencia de datos. Abordan el tema desde diferentes ángulos, pero todos comparten una gran conciencia de la adopción cada vez mayor de flujos de trabajo impulsados por IA y de cómo estos últimos han hecho de la ciencia de datos una disciplina sorprendentemente diferente en el lapso de un par de años (más o menos). Vamos a sumergirnos.
Cómo utilicé ChatGPT para conseguir mi próximo puesto en ciencia de datos
Más allá de los algoritmos y Python, la búsqueda de empleo podría ser el mayor denominador común para los profesionales de datos en estos días. Es un mundo nuevo (a veces aterrador) donde las definiciones cambiantes de roles y la creciente presencia de LLM en cada paso del proceso de contratación han hecho que un proceso estresante sea aún más difícil de navegar. El nuevo artículo de Yu Dong sugiere que es hora de cambiar el guión y muestra cómo aprovechar herramientas como ChatGPT para aumentar sus posibilidades como solicitante.
El pasado es prólogo: cómo el análisis conversacional está cambiando el trabajo de los datos
Whitney Marks comparte ideas claras y prácticas sobre cómo prosperar en medio de la transición que ve en los equipos de datos: ya no son meros creadores de paneles y modelos, su éxito futuro depende de asumir el papel de gerentes de IA.
Cómo el auge de los modelos de base tabular está remodelando la ciencia de datos
Los datos estructurados siguen siendo un desafío incluso para los LLM más avanzados. Como explica Pirmin Lemberger, los nuevos modelos fundamentales están cambiando eso y podrían hacer que las bases de datos y hojas de cálculo sean más fácilmente digeribles para la IA generativa.
Las historias más leídas de esta semana
Desde un tutorial de IA agente hasta una introducción a la visualización de datos, no se pierda los artículos que más resonaron entre nuestros lectores durante la semana pasada.
Cómo realizar una ingeniería de contexto agente eficaz, por Eivind Kjosbakken
Explicación de la visualización de datos (Parte 3): El papel del color, por Murtaza Ali
Plotly Dash: un marco estructurado para un panel de varias páginas, por Michael Clayton
Otras lecturas recomendadas
Si está de humor para explorar más temas, enfoques y herramientas esta semana, lo cubrimos con estas contribuciones de primer nivel.
Tutorial en papel de MobileNetV2: El pequeño gigante más inteligente, por Muhammad Ardi
Diez observaciones de datos + IA para el otoño de 2025, por Barr Moses
Cómo hacer girar la estructura de un proyecto con Cookiecutter, por Elena Jolkver
Soñando en bloques: MineWorld, el modelo del mundo de Minecraft, por Youssef Farag
Visión por computadora clásica y transformación de perspectiva para la extracción de sudoku, por Florian Trautweiler
Conozca a nuestros nuevos autores
Esperamos que se tome el tiempo para explorar el excelente trabajo del último grupo de contribuyentes de TDS:
Illia Smoliienko analiza las limitaciones de la IA en el análisis mediante el ejemplo del análisis de datos de vibraciones de rodamientos.
Elisha Rosensweig y Eitan Wagner echan un poco de agua fría sobre la idea de que la codificación por vibración es de alguna manera una mejora con respecto a la programación tradicional.
Nos encanta publicar artículos de nuevos autores, así que si recientemente has escrito un recorrido interesante por un proyecto, un tutorial o una reflexión teórica sobre cualquiera de nuestros temas principales, ¿por qué no compartirlo con nosotros?