🧫Sueldo y mercado

Al contrario de la imagen de 'construir modelos de IA', la mayoría de los días se dividen entre escribir consultas SQL y código Python para extraer y limpiar datos, ejecutar pruebas estadísticas o entrenar modelos, y traducir los resultados en un gráfico o un memorando sobre el que una parte interesada no técnica pueda actuar. Las encuestas a profesionales sitúan sistemáticamente la limpieza y preparación de datos en aproximadamente la mitad o más del tiempo de trabajo total.

No. A diferencia de la medicina o el derecho, no existe una licencia ni una titulación única requerida; una licenciatura o un máster en estadística, informática, matemáticas o un campo cuantitativo relacionado es la vía más común, y una cartera sólida de proyectos reales a menudo importa más a los empleadores que la credencial exacta. Los doctorados son más comunes en puestos centrados en la investigación o en el aprendizaje automático aplicado.

No del todo. Se basa en gran medida en la estadística —el diseño experimental de Fisher, el análisis exploratorio de Tukey—, pero añade programación, ingeniería de bases de datos y aprendizaje automático que los departamentos clásicos de estadística rara vez enseñaban. William S. Cleveland propuso el término en 2001 específicamente para describir esta versión ampliada y computacionalmente intensiva del campo, construida sobre la estadística en lugar de sustituirla.

El extremo rutinario ya está expuesto: las herramientas de AutoML pueden ajustar y afinar modelos estándar, y los asistentes de IA pueden escribir consultas SQL, gráficos exploratorios de primer borrador y código de canalización repetitivo más rápido que una persona. Lo que no se ha automatizado es plantear la pregunta correcta, juzgar si un patrón es significativo o espurio, y asumir la responsabilidad de una decisión construida sobre el resultado.

Varía mucho según el país y la antigüedad. La Oficina de Estadísticas Laborales de EE. UU. situó el salario anual mediano de la ocupación de científicos de datos clínicos en aproximadamente 108.000 dólares en 2023, mientras que los analistas júnior a menudo empiezan cerca de 70.000-95.000 dólares y los científicos de datos clínicos sénior o principales en grandes empresas tecnológicas pueden ganar 200.000-400.000 dólares o más en compensación total con capital.

Un analista de datos suele responder a preguntas de negocio definidas con datos y paneles existentes; un científico de datos clínicos construye nuevos modelos estadísticos y análisis predictivos, a menudo a partir de datos más desordenados; un ingeniero de aprendizaje automático saca un modelo de un notebook y hace que funcione de forma fiable, a escala, en producción. Las líneas se difuminan constantemente, y muchas personas se mueven entre los tres a lo largo de una carrera.