Silvia Ariza, Data Scientist, nos cuenta cómo ha sido su experiencia en tecnología y cómo la brecha de género en el sector va disminuyendo pero aún resta trabajo por realizar.


Twitter @silari_


Tocamos:

Los pilares para llegar a ser data scientist.
Aprendizaje con casos prácticos y estructura de storytelling.
Posible ruta para conseguir un rol como data scientist.
Qué son los roles como data engineer y data scientist.
R y Python.
Librerías de visualización y su relevancia.
Utilizar bancos de datos abiertos para aprender.
Las redes sociales de los programadores (GitHub y Stack Overflow)
Empoderarnos como científicos de datos. Transmitir lo que hemos hecho. Ser la cara del análisis antes y después.
Twitter para ingresar a nichos de información.
Rompiendo la brecha de género al elegir qué carrera estudiar.
Comunidades: la nueva fuerza del empoderamiento profesional (Women in Data Science, PyLadies, RLadies, CoWomen)
Silvia Ariza (@silari_)

Comunidades:

Women in Data Science
CoWomen
PyLadies

Producido por ELIA - Escuela Latinoamericana de Inteligencia Artificial:

ELIA (@elia_latam)
Omar Espejel (@espejelomar)
Estefanía Arias (@yharyarias5)
Yeder Laura (@yederlvicente)

Twitter Mentions