Formación en ciencias de datos: un análisis preliminar de las perspectivas de EE.UU

Autores/as

  • Renata Gonçalves Curty Universidade Estadual de Londrina (UEL)
  • Jucenir da Silva Serafim Universidade Estadual de Londrina (UEL)

DOI:

https://doi.org/10.5433/1981-8920.2016v21n2p307

Palabras clave:

Ciencia de Datos, Cientista de Datos, Competencias Profesionales, Formación Professional

Resumen

Introducción: Los Científicos de Datos han recibido una gran importancia en los últimos años a raíz de las demandas del mercado de trabajo estimuladas por la ciencia abierta y la era de grandes volúmenes de datos. Ampliamente publicada en 2008, y ahora presente en diferentes sectores y aplicaciones, la terminología "científico de datos" se anunció en 2012 como la más atractiva y uno de los mejor pagados del siglo XXI, que culminó con una creciente oferta de cursos de formación. Objetivo: Caracterizar y entender los aspectos formativos del científico de datos. Metodología: En el artículo se relata el recorte de un estudio de investigación basado en un análisis preliminar de 93 cursos en ciencia de datos que ofrecen las instituciones de los Estados Unidos. Resultados: El análisis del contenido de la información contenida en los sitios web de los programas identificados ha puesto de manifiesto que este profesional está capacitado para hacer frente a cuestiones relacionadas con la recolección, tratamiento, procesamiento, análisis, visualización y la curaduría de grandes y heterogéneas colecciones de datos orientadas a la resolución de problemas prácticos y reales. Conclusión: Se constató que, en general, la formación en la ciencia de datos concede gran énfasis en las habilidades de estadísticas, matemáticas e computacionales, incluyendo la programación y modelado avanzado, muchos de los cuales son requisitos previos para la admisión a estos cursos.

Biografía del autor/a

Renata Gonçalves Curty, Universidade Estadual de Londrina (UEL)

Philosophy Doctor (PhD) e Master in Philosophy (MPhil) em Information Science and Technology pela School of Information Studies (Syracuse University, NY). Professora do Departamento de Ciência da Informação da UEL.

Jucenir da Silva Serafim, Universidade Estadual de Londrina (UEL)

Mestrando do Programa em Pós-graduação em Ciência

da Informação da UEL.

Citas

BIEHN, N. The missingV’s in big data: viabilityandvalue. Wired, New York, 2013. Disponível em: https://www.wired.com/insights/2013/05/the-missing-vsin-big-data-viability-and-value>. Acesso em: 14 ago. 2016.
CHATFIELD, A. T. et al. Data Scientists as a game changers in big data environments. In: PROCEEDINGS OF THE 25TH AUSTRALASIAN CONFERENCE ON INFORMATION SYSTEMS (ACIS), Anais…, Auckland: Auckland Universityof Technology, 2014. p.1-11.
CLEVELAND, W. S. Data Science: anactionplan for expandingthetechnicalareasofthefieldofstatistics. InternationalStatisticalReview, Malden, MA, v. 69, p. 21-26, 2001. doi:10.1111/j.1751-5823.2001.tb00477.x
CONAWAY, D. The data sciencevenndiagram. 2010. Disponível em: http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram>. Acesso em: 10 ago. 2016.
CROWDFLOWER. Data Science Report. 2016. Disponível em: http://visit.crowdflower.com/rs/416-ZBE-142/images/CrowdFlower_DataScienceReport_2016.pdf>. Acesso em: 10 set. 2016.
FINZER, W. The data scienceeducationdilemma. Technology Innovations in StatisticsEducation, Caifórnia, v. 7, n. 2, 2013. Disponível em: http://escholarship.org/uc/item/7gv0q9dc>. Acesso em: 22 ago. 2016.
GRANVILLE, V. Developinganalytictalent: becoming a data scientist. Indianapolis: John Wiley, 2014.
KIM, J. Y.; LEE, C. K. Anempiricalanalysisofrequirements for data scientistsusing online jobpostings. InternationalJournalof Software Engineeringand its Applications, Seoul, v. 10, n. 4, p.161-172, 2016.
LANEY, D. 3D Data management: controlling data volume, velocityandvariety. Application Delivery Strategies, Stanford. 2001. Disponível em: http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf>. Acesso em: 20 ago. 2016.
LOUKIDES, Mike. Whatis data science?Sebastopol, CA: O'Reilly Media, 2011.
PATIL, T. H.; DAVENPORT, D. J. Data Scientist: thesexiestjobofthe 21st century. Harvard Business Review, Brighton, MA, 2012. Disponível em: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century>. Acesso em: 5 ago. 2016.
STANTON, J. et al. Interdisciplinary data scienceeducation. In: XIAO, N..; MCEWEN,L. R. SpecialIssues in Data Management. Washington, DC: American ChemicalSociety, 2012. p. 97-113. (ACS Symposium Series, v. 1110).doi: 10.1021/bk-2012-1110.ch006
SWAN, A.; BROWN, S. The skills, role andcareerstructureof data scientistsandcurators: anassessmentofcurrentpracticeand future needs. Reporttothe Joint Information Systems Committee (JISC). Truro: Key Perspectives for JISC, 2008. 34 p.
WARD, S.; BARKER, A. Undefinedby data: a surveyof big data definitions. 2013. Disponível em: arXivpreprint arXiv:1309.5821>. Acesso em: 10 out. 2016.
VAN DER AALST, W. M. P. Data scientist: theengineerofthe future. In: Enterprise Interoperability VI: interoperability for agility, resilienceandplasticityofcollaborations. Springer: New York,2014. doi: 10.1007/978-3-319-04948-9_2

Publicado

2016-12-20

Cómo citar

Curty, R. G., & Serafim, J. da S. (2016). Formación en ciencias de datos: un análisis preliminar de las perspectivas de EE.UU. Informação & Informação, 21(2), 307–331. https://doi.org/10.5433/1981-8920.2016v21n2p307

Número

Sección

Artigos