Construyendo científicos de datos industriales para el éxito

Construyendo científicos de datos industriales para el éxito

  • Big Data
  • marzo 12, 2022
  • No Comment
  • 54
  • 8 minutes read


En este artículo invitado especial, Heiko Claussen, vicepresidente sénior de inteligencia artificial y científico de datos industriales de AspenTech, destaca que, si bien el concepto de científico de datos industriales es un fenómeno laboral relativamente nuevo, apunta a un cambio importante e irreversible hacia la transformación digital en casi all Areas sugiere cualquier espacio industrial. Heiko es responsable de la estrategia Industria 4.0 de la empresa, la investigación de IA industrial y la ciencia de datos. Antes de AspenTech, fue Jefe de Máquinas Autónomas y Principal Experto Clave de IA en Siemens, liderando iniciativas para habilitar aplicaciones de máquinas autónomas para la automatización de fábricas. Heiko ha recibido numerosos premios y reconocimientos técnicos: ha sido nombrado inventor del año dos veces en Siemens y también es autor de 99 invenciones y 47 patentes individuales. Heiko tiene un doctorado. Licenciado en Ingeniería Eléctrica de la Universidad de Southampton, Reino Unido; una Maestría en Ingeniería Eléctrica de la Universidad de Ulster, Reino Unido.

Atrás quedaron los días en que los científicos de datos y los expertos de la industria seguían sus propios caminos; este enfoque simplemente no puede y ya no funcionará.

Ingrese al «científico de datos industriales», un pilar nuevo y cada vez más importante de la fuerza laboral industrial.

Con las habilidades duales de un científico de datos ciudadano y un experto en dominios industriales, el científico de datos industriales representa el mejor enfoque de ambos mundos para una nueva generación de expertos en dominios basados ​​en datos y basados ​​en la tecnología. Este alejamiento de la antigua forma de trabajar en silos representa un cambio radical en la forma en que las empresas piensan sobre la mejor manera de desbloquear y aprovechar la fuente de datos industriales sin explotar y sin optimizar a su disposición.

Los científicos de datos tradicionales generalmente llegaban a las empresas industriales con antecedentes más típicos, como informática o desarrollo de software. Trabajando a cierta distancia, si no significativa, del mundo real, estos científicos de datos se centraron principalmente en aportar conocimientos académicos o experiencia en investigación a iniciativas a más largo plazo. Hoy, sin embargo, este modelo de hacer un trabajo de datos profundos sin experiencia en el dominio ya no es viable.

El concepto de científico de datos industriales es un fenómeno laboral relativamente nuevo que apunta a un cambio importante e irreversible hacia la transformación digital en casi todos los sectores industriales. Los científicos de datos industriales integran el conocimiento del dominio en los proyectos de ciencia de datos y ayudan a desmitificar el valor de la ciencia de datos en entornos industriales al abordar su trabajo con una comprensión profunda de las necesidades comerciales que están trabajando para mejorar. El conocimiento específico del dominio que los científicos de datos industriales aportan a su trabajo les permite crear modelos de inteligencia artificial y aprendizaje automático (ML) industriales completos, potentes y sostenibles adecuados para abordar casos de uso del mundo real.

Proporcionar una hoja de ruta clara

Con cualquier rol nuevo y en desarrollo, los dolores de crecimiento son normales. Si bien se espera un período de ajuste, existen formas proactivas en las que los líderes pueden mitigar la curva de aprendizaje tanto para los propios científicos de datos industriales como para los colegas de toda la organización que eventualmente trabajarán con ellos. A medida que estos expertos en dominios impulsados ​​por la tecnología y los datos comienzan a establecer su capacidad para transformar y aprovechar las nuevas aplicaciones industriales de inteligencia artificial para ampliar aún más los límites, es importante que las organizaciones identifiquen las vías principales para ayudarlos a tener éxito, especialmente porque la existencia de este rol representa un cambio generacional en términos de experiencia, expectativas y, en última instancia, normas de la industria.

La mayoría de los científicos de datos industriales desean centrarse en comprender el caso comercial real y, luego, analizar los datos industriales y crear modelos de aprendizaje automático que puedan integrarse en aplicaciones industriales adecuadas para esos casos de uso. Comprender este proceso de trabajo fundamental ayudará a los ejecutivos y compañeros a trabajar de manera más efectiva con los científicos de datos industriales cuando intenten coordinar los recursos de conocimiento del dominio para proyectos nuevos o en curso (por ejemplo, poner a prueba una nueva iniciativa de IA industrial).

Los pasos adicionales para respaldar el éxito de sus científicos de datos industriales pueden incluir:

Simplificación de infraestructura: Los científicos de datos industriales dedican una parte importante de su tiempo a la infraestructura. Desde la creación del entorno hasta la implementación, las tareas pueden ser complejas y variables, lo que ralentiza la producción y socava el ROI. Pocos científicos de datos quieren educarse y trabajar con la infraestructura o los aspectos de DevOps del ciclo de vida de un proyecto determinado, pero en un campo tan dinámico, es difícil para ellos mantenerse al día con la última tecnología. Invertir en una infraestructura de IA industrial simplificada puede tener un impacto significativo en el ROI al afinar el enfoque del proyecto y desbloquear nuevos ahorros de tiempo, costos y mano de obra.

Simplificación de la implementación: La implementación y producción de un modelo de ML requiere mucho tiempo. Debido a su complejidad, generalmente lo maneja un equipo de ingenieros de datos dedicados. Para reducir la dependencia de equipos externos, los científicos de datos industriales necesitan sistemas que puedan proporcionar canalizaciones de datos de CI/CD (integración continua y entrega continua) más sólidas. Actualizar esta habilidad ayuda a los equipos a mover sus proyectos rápidamente de la experimentación a la producción, generando valor y aumentando la probabilidad de éxito.

Los ejecutivos de plantas industriales pueden ayudar a sus científicos de datos industriales a concentrarse en su misión principal invirtiendo en una infraestructura de IA industrial robusta, escalable y segura. Esto significa un enfoque completo para:

  • Complejidad abstracta en proyectos de ciencia de datos
  • Democratizar la capacidad de recuperar conjuntos de datos críticos
  • Facilitar el despliegue de proyectos de IA y ML en producción
  • Optimización de la colaboración entre expertos en dominios e ingenieros

Los científicos de datos industriales emergentes de hoy en día tienen un gran potencial para crear valor nuevo e innovador para sus organizaciones. Sin embargo, para materializar este potencial, necesitan un liderazgo que comprenda las barreras comunes para su éxito y se comprometa de manera significativa a crear entornos en los que puedan lograr sus objetivos de acelerar el tiempo de comercialización, aumentar la productividad, fomentar la innovación y más pueden ofrecer un nuevo valor.

Regístrese para recibir el boletín gratuito insideBIGDATA.

Únase a nosotros en Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1



Related post

Premios de socios globales de ladrillos de datos 2022

Premios de socios globales de ladrillos de datos 2022

Databricks tiene un ecosistema de socios de más de 600 socios en todo el mundo que son fundamentales para crear y…
El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…
Toma lecciones en realidad virtual con Immerse, una aplicación de voz para Quest 2

Toma lecciones en realidad virtual con Immerse, una aplicación…

En el metaverso, imagínese llegando tarde a la escuela. Bucear es una plataforma educativa de metaverso desarrollada en colaboración con los…

Leave a Reply

Tu dirección de correo electrónico no será publicada.