9 de mar de 2018

Ele trocou a engenharia de software por data science

Udacity Brasil

A afinidade de Raphael Coelho pela tecnologia veio cedo, ainda na escola técnica que frequentou em Belém, sua cidade natal. De lá, seguiu para uma graduação em Sistemas de Informação da Universidade da Amazônia.

“Apesar de gostar da tecnologia em si, uma das coisas que me atraiu à essa carreira é a possibilidade de mudar a vida das pessoas e facilitar e potencializar seu trabalho”, explica. “E inteligência artificial faz isso se tornar algo exponencial."

Logo depois de formado, Raphael se mudou para Recife e se tornou engenheiro de software da ThoughtWorks, uma consultoria americana. O aspecto multinacional da empresa lhe trouxe experiência em projetos internacionais e em várias linguagens.

Ao longo de seus dois anos na empresa, entre 2012 e 2014, viu crescer seu interesse por dados e se aproximou de projetos na área. A ideia era fortalecer na prática os conhecimentos quantitativos que precisava para fazer uma transição de engenheiro de software para cientista de dados, uma profissão nova e em alta no Brasil e no mundo.

“O que mais me interessou foi ver o potencial de aplicação de modelos [de data science]”, explica. “Eu sentia necessidade de verificar como poderia fazer um sistema capaz de escalar e aprender.”

Leia: Porque a carreira de cientista de dados é tão promissora no Brasil

Os programas Nanodegree da Udacity

Em 2017 – após ter tido outras experiências profissionais e voltado à ThoughtWorks, dessa vez em São Paulo –, encontrou o Nanodegree Fundamentos de Data Science I em buscas online. Atraído pela proposta de revisão de códigos e feedback e pelo investimento financeiro e de tempo, se inscreveu.

“Eu já sabia programar, mas o curso explicava não só a técnica, mas também a metodologia de data science: qual é o procedimento, como explorar de dados, gerar análises descritivas, testar hipóteses, aplicar modelos e checar seus desempenhos”, fala.

A experiência foi tão positiva que Raphael logo engatou o Nanodegree Deep Learning para entender melhor a matemática por trás dos modelos.

“Eu já acompanhava o Siraj Raval no YouTube quando vi sua parceria com a Udacity”, diz ele, que terminou o curso em fevereiro de 2018. “Achei que seria uma ideia juntar a metodologia e a questão dos códigos revisados com a didática dele.”

Num segmento tão dinâmico e vasto, manter-se atualizado é fundamental – e não só através de cursos. Ter referências confiáveis, por exemplo, é essencial. Para Raphael, esse foi um dos benefícios secundários dos programas Nanodegree: “Há todo um universo de fontes que já foram filtradas pela qualidade”.

Entrando no mercado de data science

Entre uma aula de deep learning e outra – para conciliar melhor estudos e trabalho, ele reservava um tempo todos os dias –, ele encontrou seu primeiro trabalho como data scientist, no luizalabs, laboratório de inovação do Magazine Luiza.

Para alinhar suas expectativas em relação à profissão, ele antes buscou contato com pessoas que já atuavam como cientistas de dados para saber como era o dia a dia e a perspectiva de avanço na carreira. “Isso me ajudou a começar a definir se eu queria essa experiência ou não.”

Uma vez no processo seletivo, os aprendizados dos programas Nanondegree se mostraram úteis de outra maneira. “Eles gerarão desenvoltura e confiança para que eu pudesse chegar em entrevistas e conversar com as pessoas sabendo do que elas estavam falando, compartilhar o que eu já sabia e o que estava estudando.”

Leia: AI, ML, DL... Entenda as siglas por trás da revolução tecnológica

O trabalho como data scientist no luizalabs

O objetivo divulgado do luizalabs, laboratório de inovação do Magazine Luiza fundado em 2014, é usar tecnologia para criar produtos e serviços com foco no varejo e no usuário. “A proposta é melhorar a experiência e garantir um processo cada vez mais limpo, segundo e barato para o cliente”, resume. “Isso me atraiu muito, assim como um ambiente que estimula estudos, trocas e feedback."

Na prática, isso significa empregar inteligência artificial em problemas em áreas variadas, de logística à recomendação de produtos e melhoria de usabilidade através de machine learning.

“É algo que envolve redes neurais, modelos de classificação ou predição, vários tipos de análise de texto. Temos que desenvolver provas de conceito em parceria com outras áreas, checar se trazem modelos positivos e se vale a pena seguir adiante.”

Outra parte essencial da função é propagar internamente a cultura de Big Data e de machine learning. Com esse know how em mãos, diversas pessoas dentro da organização podem enxergar novos potenciais de aplicação e trazer novas demandas.

“Assim fomentamos uma cultura que gira não apenas ao redor de dados, mas de métodos de aplicação de inteligência artificial como um todo. Interagimos com todos e todos estão interessados, mesmo em áreas que não são técnicas.”

Porque um data scientist precisa saber de negócios

Dos tempos de engenheiro de software, Raphael trouxe uma bagagem técnica vasta, cheia de técnicas e conceitos, algo que o serve muito bem em sua posição atual.

O que é surpreendente no cotidiano como data scientist, continua, é como o conhecimento do negócio agrega valor ao seu trabalho – algo que nem sempre é tão óbvio para quem tem um background técnico.

Ao invés de um cotidiano desenhando um quadro ou um modelo, ele se vê discutindo premissas de business frequentemente com outras pessoas da empresa, que rendem insights capazes de aprimorar ou mesmo transformar as ideias iniciais.

“Você chega com modelos na cabeça pensando em aplicá-los, mas quanto mais aprende sobre um negócio, mais rápido as coisas escalam. O avanço é exponencial nesse momento”, afirma.

Leia: De Siri à Alexa, entenda do que assistentes de voz virtuais são capazes

Conselhos para quem quer trabalhar com data science

Para quem deseja seguir uma carreira em data science, ele aconselha desenvolver um espírito de experimentação e foco na prática. “É bom explorar e montar modelos mesmo sem entender tudo para ganhar familiaridade. Quanto antes tiver a mão na massa, melhor.”

Outro ponto importante é não ficar parado. Hoje mestrando de engenharia da computação na Universidade Mackenzie, ele busca se atualizar constantemente. “Quero me aprofundar em métodos científicos e desenvolver uma bagagem sobre o que está acontecendo ao redor do mundo. Há um universo de papers e pesquisas para ler”, empolga-se.

Investir em rede de contatos, nesse caso, facilita a expansão de horizontes. “Gosto muito de conversar com quem também está explorando”, fala. "Fico atento às comunidades, aos cursos da Udacity – e às pessoas que podem me guiar nesse momento.”

Leia: 4 trabalhos para quem quer uma carreira em Data Science

About the author
Udacity Brasil