Dados são registros armazenados pelas empresas e são base e combustível para que elas tomem decisões mais inteligentes, especialmente à medida que embarcam em transformações digitais, e é a partir deste ponto que entra o papel do cientista de dados.
A ciência de dados é uma área multidisciplinar que auxilia na tomada de decisão a partir dos resultados apresentados, portanto o cientista de dados é um profissional que tem muita influência na decisão final. Mas esse post não é sobre essa área que está em grande ascensão no mercado tecnológico, vim trazer algumas mudanças pessoais que a área de ciência de dados trouxe para mim: mulher, negra e periférica.
Antes de mais nada vou me apresentar, meu nome é Laura Damaceno de Almeida, formada em ciências da computação e atualmente sou cientista de dados na IBM, meu trabalho é basicamente analisar os inúmeros dados e registros do clientes da IBM, extrair insights à partir deles e construir modelos preditivos, ou seja, o famoso machine learning. Trabalho na área de dados desde 2019 e sou cientista de dados faz quase 1 ano, e sou muito grata por todo o conhecimento adquirido durante todo esse tempo.
Vou aproveitar esse espaço que tenho para agradecer as pessoas que me ajudaram e me ajudam no meu desenvolvimento, seja com mentorias, palestras e oportunidades.
Você pode estar me questionando cara leitora (o), quais questionamentos e mudanças pessoais uma área ou carreira de tecnologia pode trazer para nossa vida pessoal?
E eu te digo... tudo!
Cada pessoa é transformada da sua forma e maneira, pois somos diferentes, carregamos experiências de vida diferente e eu acredito muito que cada coisa acontece no seu tempo certo e tudo que vem, nos transforma de alguma forma.
Agora vamos para os ensinamentos que tive e agora vou repassar pra vocês:
1 Aprendi como aprender: Eu sempre achei que para aprender precisaria fazer uns 500 cursos e tirar vários certificados, mas o aprendizado não é adquirido só com isso, pois a melhor maneira de aprender ciência de dados é fazendo. É necessário pôr em prática tudo aquilo que você vem aprendendo nos cursos, nem sempre nos sentimos preparados (as),mas precisamos nos desafiar, sair da zona de conforto e entender que todos os erros são bem vindos, pois a ciência é isso: errar e aprender.
2 É necessário mudar o mindset: Como mexemos com tecnologia, muitas vezes as pessoas acham que é necessário saber de “cor” um código, e conhecer bem a fundo todas as linguagens de programação, e na verdade não é bem isso que acontece.Principalmente como cientistas de dados, nosso objetivo deve ser responder a uma pergunta interessante, e não é memorizar um monte de funções ou códigos, é usar essas funções para fazer algo interessante e resolver um problema. E o caminho para atingir esse objetivo pode ser tortuoso, você pode dar alguns passos para trás e experimentarvárias alternativas antes de seguir em frente. Isso está ok!
3 Diferentes caminhos podem levar a mesma resolução: Ao realizar um projeto de ciência de dados, sempre há mais de uma maneira de resolver um problema, seu caminho pode ser diferente do caminho de outra pessoa. Portanto o crucial é você não se comparar, não compare sua lógica com a de outra pessoa pois vocês têm vivências diferentes.
4 Peça ajuda: Experimente com o seu mais forte, se não funcionar, peça ajuda. É difícil admitir que você não sabe de algo e às vezes pode ser difícil explicar o que você não sabe.Tente assim mesmo! Todo mundo foi um iniciante em algum momento. Aqueles que passaram do iniciante ao avançado o fizeram porque aprenderam o material, praticaram e porque fizeram perguntas ao longo do caminho.
5 Ensinar os outros: Ao final de uma análise ou durante as entregas do projeto de ciência de dados você precisa comunicar a performance dos modelos, o insight final e explicar sua linha de raciocínio, portanto é essencial termos didática, usar palavras acessíveis para explicar termos técnicos.
Ao entrar na área de tecnologia as pessoas carregam consigo uma expectativa que muitas vezes não é real, os cientistas de dados têm muitos desafios e grande parte deles vêm do entendimento do problema com os clientes e não de problemas no código. Tive que desconstruir esse pensamento que tive, ao longo de minha jornada e aprendi a aceitar meus erros e aprender com eles. Então foi isso pessoal, espero que vocês tenham gostado e faço aqui um convite para você me contar quais ensinamentos você adquiriu ao longo de sua jornada.
Laura Damaceno de Almeida
Cientista de dados na IBM, onde trabalha com machine learningpara auxiliar os clientes na tomada de decisão e atuarem deforma proativa no ramo. Graduada em ciências da computaçãoe co-fundadora da comunidade AI Girls.
Comments