Cómo ser un (buen) data scientist y no overfittear en el intento
El currículum vitæ juega un rol clave a la hora de buscar trabajo. Es lógico, luego, que se ponga en él toda la carne en el asador. En muchas ocasiones, destacamos frases como “gran capacidad para resolver problemas” o “a la vanguardia en temas del área”. ¿Qué significan realmente estas palabras para un científico de datos? ¿Qué es lo que espera la industria respecto de las habilidades blandas? ¿Cuáles son las principales diferencias entre el ámbito académico y el mercado laboral? En esta charla hablaremos sobre los aspectos en los que un data scientist se puede destacar y las principales falencias que hay que tratar de evitar a toda costa. ¡No te la pierdas!
Sobre Germán Dima
Germán se doctoró en ciencias físicas en la Universidad de Buenos Aires y luego realizó la diplomatura en Deep Learning del ITBA. Se desempeñó como científico de datos en el Ministerio de Trabajo y en la CEPAL (Naciones Unidas). Actualmente está a cargo de la rama de I+D (Investigación y desarrollo), dentro del área de Advanced Analytics en Clarín, y da clases en nivel universitario. En sus ratos libres da charlas de divulgación científica desentrañando la ciencia detrás de los comics, videojuegos y ciencia ficción.
![gRPC, protobuf, and Go [EN]](https://img.youtube.com/vi/9jAiOSt0V4c/hqdefault.jpg)
