- María Cruz Gaya, subdirectora de la Escuela STEAM de la Universidad Europea, señala que "la inteligencia artificial no es todo el proceso, sino solo una parte dentro de algo mucho más amplio: la Ciencia de Datos"
- La experta destaca la alta empleabilidad de unos graduados capaces de "trabajar sobre todo el ciclo del dato" y aportar una "ventaja competitiva clara" a las organizaciones
En una era marcada por el auge de las nuevas tecnologías, la Ciencia de Datos se consolida como una de las disciplinas universitarias con mayor proyección y atractivo para los estudiantes, justo en unas semanas decisivas en las que miles de jóvenes deben elegir la carrera que marcará su futuro. A menudo, el desconocimiento reduce esta profesión a la simple programación o al uso básico de algoritmos, pero la realidad del mercado laboral exige perfiles mucho más completos. Hoy en día, las empresas no solo buscan aplicar tecnología, sino dominar la información en su totalidad para garantizar su viabilidad y liderazgo.
Para aclarar el verdadero valor de estos profesionales, María Cruz Gaya, subdirectora de la Escuela STEAM en el área de Ciencia y Aeroespacial de la Universidad Europea de Madrid, subraya que la diferencia fundamental frente a un simple usuario de herramientas radica en la visión global. "La diferencia clave está en entender que la inteligencia artificial no es todo el proceso, sino solo una parte dentro de algo mucho más amplio: la Ciencia de Datos", explica.
Mientras que el uso básico de IA se limita a una sola fase, el verdadero científico de datos domina el ecosistema íntegro. "El valor se construye a lo largo de un ciclo completo: desde la captura y procesamiento del dato (cloud, edge computing), su transformación y limpieza, y su modelado (ML + IA), hasta llegar a la acción", detalla Gaya. Por ello, el graduado "entiende y gestiona todo el ciclo, lo que le permite diseñar soluciones completas en las que sabe cómo obtener datos de calidad, cómo procesarlos y transformarlos en información, cómo entrenar modelos adecuados y, sobre todo, cómo interpretar sus resultados para integrarlos en procesos reales de decisión".
Un abanico de salidas profesionales a lo largo de todo el ciclo de la información
Esta capacidad integral es precisamente lo que hace a estos perfiles tan valiosos y demandados. La subdirectora de la Escuela STEAM de la Universidad Europea explica que "un profesional en Ciencia de Datos es capaz de trabajar sobre todo el ciclo del dato desde su adquisición y almacenamiento, pasando por su tratamiento, limpieza y transformación, hasta convertirlo en información útil mediante visualizaciones y dashboards que facilitan la toma de decisiones". Además, aplican "técnicas de machine learning para generar modelos que permiten predecir comportamientos, identificar patrones o clasificar información".
Lejos de encasillarse en un solo puesto, las salidas profesionales "se distribuyen a lo largo del flujo completo del dato". Según desgrana, “el ingeniero de datos se encarga de construir la infraestructura que permite adquirir, almacenar y organizar los datos; el analista de datos los limpia, transforma y los convierte en información útil mediante dashboards e informes; el científico de datos aplica técnicas estadísticas y de machine learning para generar predicciones y descubrir patrones; y el ingeniero de machine learning se ocupa de desplegar y escalar esos modelos en entornos reales, llevándolos a producción”. A esto se suma el perfil de gobernanza del dato, "responsable de definir políticas, garantizar la calidad y seguridad de los datos y asegurar el cumplimiento normativo", una labor crítica para no comprometer la privacidad.
Formación con infraestructura real de la industria
Para que los estudiantes adquieran estas competencias altamente demandadas, el contacto con herramientas punteras durante su etapa universitaria es fundamental. En este sentido, la Universidad Europea pone a disposición de sus estudiantes tecnología de vanguardia.
"El laboratorio de Computación Avanzada LORCA de la Universidad Europea destaca por ofrecer a los estudiantes acceso real a infraestructura de alto rendimiento similar a la que se utiliza en entornos profesionales y de investigación", subraya María Cruz Gaya. Este espacio cuenta con unas capacidades técnicas excepcionales "15 nodos de computación, 954 hilos de ejecución, 477 núcleos físicos de CPU, más de 1,6 TB de memoria RAM y 10 GPUs con 128 GB de VRAM" y agrupa diferentes entornos e integra tecnologías como Hadoop, Spark, TensorFlow o PyTorch, "lo que permite trabajar sobre todo el ciclo del dato con herramientas reales de la industria".