8 de jun de 2018

Cientista de dados explica como abordar estudos para ir além na carreira

Udacity Brasil

Lógica fuzzy, machine learning e redes neurais. Estes foram alguns dos assuntos que fisgaram a atenção de Izabela Paulino Fonseca ainda na época da faculdade, quando cursava engenharia elétrica em Vitória. Em um intercâmbio em Londres, estudou data mining e algoritmos de classificação e regressão. Quando voltou, tinha decidido: queria trabalhar na área.

Hoje cientista de dados na TOTVS, onde entrou como trainee em 2017, ela tem o costume de reservar tempo para os estudos, principalmente no YouTube, onde recorre a tutoriais e outras explicações. “Acredito que fazer cursos online atualmente é uma das melhores formas de aprender de forma rápida e organizada”, afirma.

Quando sentiu a necessidade de investir em um aprendizado estruturado, um colega deu a dica e ela se inscreveu no Nanodegree Engenheiro de Machine Learning. “O que mais me chamou a atenção foi a forma como implementávamos diferentes projetos e o feedback de cada um deles”, afirma. “Isso agregou muitas informações interessantes e me ajudou a organizar a estrutura de projetos futuros.”

Entre outubro e dezembro de 2018, dividiu a rotina de estudos, majoritariamente concentrada nos fins de semana, com a do trabalho. Logo conseguiu colocar em prática alguns de seus aprendizados, como diferentes formas de pré-processar dados e visualizar resultados.

Ao longo do curso, Izabela, que começou sua carreira programando em R, também dominou Python, uma linguagem importante na área, e aproveitou o projeto de conclusão para afiar seus novos conhecimentos com a ajuda de especialistas. “Tive a liberdade de ir muito mais a fundo no processamento de dados, além de testar diversos algoritmos – alguns que nem tinham sido discutidos no curso – e aprender muitas coisas novas.”

Leia: Conheça o mercado de data science em 4 webinars gratuitos

A carreira como cientista de dados

Na TOTVS, sua rotina depende da etapa em que um projeto se encontra. “A maior e mais importante está relacionada ao enriquecimento e limpeza dos dados para que possamos retirar inteligência e gerar bons resultados”, explica.

Depois de etapas como coletar, limpar, explorar e modelar os dados – tudo envolve uma boa dose de benchmarking, para aproveitar as inovações e criatividade da comunidade –, vem a hora de comunicá-los aos interessados e colocar soluções em funcionamento.

Tanto antes quanto depois de criar seus algoritmos, a equipe de data scientists da empresa está em contato com a área que precisa dessa solução para entender o que aquele problema envolve e que conhecimentos precisam ser levados em conta na hora de criar novos modelos, além de traduzir a linguagem técnica para algo em sintonia com o business. “É uma parte muito interessante desse trabalho”, fala Izabela.

Como trainee e recém-formada, ela logo viu que precisava aprender conceitos de negócios e gestão para se habituar ao dia a dia em uma empresa. “Apesar de ter passado por estágios em indústrias de manufatura e mineração, ainda tinha um mindset e conhecimentos muito acadêmicos”, explica.

Izabela é a primeira a dizer que ainda não acabou: há muita coisa para aprender. "Quanto mais você entra nesse mundo, mais termos diferentes aparecem”, fala. “É uma área que possui um número enorme de pessoas criando novos conceitos, ferramentas e algoritmos o tempo todo, então acredito que sempre vai faltar alguma coisa.”

Leia: Este jovem foi de estagiário a cientista de dados e hoje tem um projeto com a NASA

Na sua lista atual está um desafio de gestão – ela quer implementar um projeto do começo ao fim, do desenvolvimento ao gerenciamento – e uma especialização em processamento de linguagem natural. Trata-se de um campo cada vez mais em voga em inteligência artificial e, recentemente, a Udacity passou a oferecer um curso sobre o tema.

Além disso, criou com Marielen Ferreira um grupo de estudos específico para mulheres em machine learning: o Women in Machine Learning and Data Science Chapter São Paulo, primeiro chapter latino-americano de um grupo global. Para quem tem interesse em participar, basta preencher um formulário.

Incomodada com o ambiente majoritariamente masculino em que viveu, tanto na faculdade quanto no trabalho, ela vê em espaços como esse a chance de abordar problemas cotidianos e incentivar outras mulheres a trabalharem na área, trazendo mais diversidade e inovação para machine learning como um todo.

“Queremos criar uma rede e organizar meetups periódicos que discutam não apenas assuntos técnicos, mas também levem as discussões de empoderamento e levem ferramentas para que todas as participantes se tornem de fato agentes de mudança e possam quebrar essas barreiras”, fala.

Como ir além na carreira em data science?

Para quem está começando a carreira, a dica da cientista de dados é simples: primeiro, escolha uma linguagem para se dedicar. Ao criar uma base sólida em uma linguagem de programação, fica mais fácil aprender e testar novas soluções – e inclusive aprender outras mais tarde.

Para quem já está em fase de treino e exploração de técnicas e algoritmos, Izabela sugere que busquem bases de dados reais, que oferecem uma experiência mais próxima do dia a dia de quem trabalha na área. Muitas vezes, bases voltadas para alunos podem chegar formatadas e limpas demais e, quando a pessoa se depara com algo no mundo real, pode ficar surpresa.

Essas bases podem ser encontradas gratuitamente online, inclusive em plataformas como o Kaggle, que oferece uma maneira ágil e eficaz de construir portfólio e entrar em contato com o mercado. “A experiência exigida por muitas empresas pode ser obtida na própria internet através desses sites de competição”, fala.

Estar sempre aberto a exploração é o ponto principal para ela, já que desenvolver um repertório é fundamental para trabalhar com clareza e agilidade e cada projeto tem seu perfil, com algoritmos e técnicas de exploração mais apropriados que outros.

"É legal lembrar também que não você não precisa necessariamente estar em uma empresa para trabalhar com data science”, continua. "Fazer projetos como freelancer pode ser um caminho interessante para te levar onde deseja chegar."

Leia também:

Sobre o autor
Udacity Brasil

A Udacity, conhecida como a "Universidade do Vale do Silício", é uma plataforma online e global que conecta educação e mercado para ensinar as habilidades do futuro – de data science e marketing digital à inteligência artificial e desenvolvimento. Hoje, há mais de 7 mil alunos ativos no país e 50 mil pelo mundo.