Orientó el master al área de inteligencia artificial, donde, usando modelos de machine learning, adquirió una nueva forma de analizar y entender la realidad. Según Marchesano de los aspectos que más destacada del master fue: “Pensar cómo esos modelos podrían solucionar problemas complejos para el ser humano de una forma simple, colaborando para la toma de decisiones, o regalándole al ser humano más tiempo para enfocarse en la creatividad, las estrategias o incluso repensar y generar nuevos desafíos”.
Siendo Ingeniera Química, ¿qué te motivó hacer el Master en Big Data?
La principal motivación para elegir hacer el Master en Big Data fue empezar a ver y entender en el mundo laboral cuánta información valiosa puede desprenderse de diferentes tipos de datos y, sobre todo, cómo esta información es un input invaluable para la toma de decisiones.
En mi carrera, empecé como analista, analizar datos era parte clave de mi rol para sustentar procesos en el día a día. A medida que fui avanzando y teniendo otros roles, comencé a ver el valor en el análisis de datos también de forma predictiva o prescriptiva. Es decir, no solo utilizarlos para entender una situación actual, sino para hacer predicciones, anticiparse a los hechos y más aún, desarrollar estrategias que pueden marcar la diferencia en términos de ventaja competitiva.
Como Ingeniera Química pasé los primeros años de mi carrera profesional en Fábricas Nacionales de Cerveza (FNC), parte de AB InBev, multinacional líder en la industria cervecera. Observé cómo la compañía, al igual que muchas otras, incrementaba sus esfuerzos en este rubro. Esto resonaba con mi convicción sobre el enorme potencial de los datos, al mismo tiempo que descubría los desafíos y dificultades que presentaban. Decidí que yo también quería ser parte. Entendí que el análisis de datos ya era imprescindible en el panorama actual y que dentro de esta disciplina está la diferencia. "Tengo que formarme, adquirir herramientas y aprender cómo aprovecharlos", pensaba.
Por otra parte, me encontraba en la disyuntiva de pensar si la única forma de entrar en el mundo de los datos era explotándolos yo misma, porque a la vez no quería perder ni dejar de avanzar en mi carrera en roles de liderazgo en otros rubros, donde no tenía el 100 % del tiempo disponible para ello. Al final, concluí que no tenían por qué ser excluyentes y que si quería liderar equipos que basaran sus decisiones en datos, solamente era posible hacerlo y transmitirlo si yo también hacía uso de ellos y entendía lo que estaba pasando.
¿Qué desafíos enfrentaste al cambiar de una disciplina a otra?
Creo que siempre me caractericé por mi interés por aprender, lo que sea, pero para replicarlo, transmitirlo o realmente sentir que me está enriqueciendo, intento ir a las bases de lo que estoy aprendiendo. Esto hizo que tenga que sentarme a leer, preguntar y generar redes, y aquí estuvo para mí lo más desafiante, pero también lo más valioso.
En el master, la mayoría de las materias implican programar y, si bien yo tenía una idea por algunas materias de la facultad y por curiosidad, fue un mundo nuevo para mí.
"Algo muy enriquecedor del Master en Big Data en ORT es que está pensado para diferentes perfiles, entonces los profesores están para apoyarte y, a la vez, te encontrás con compañeros con perfiles muy variados, lo cual se torna muy interesante".
Por ejemplo, a la hora de resolver casos o situaciones en las que había que decidir cómo utilizar los datos disponibles, cómo modelarlos o cómo sacar provecho de ellos, tres personas adquiriendo las mismas herramientas técnicas podíamos darle un enfoque diferente. Con seguridad, alguien del área de sistemas o un programador podía aportar muchísimo a la hora de crear y entender en profundidad ciertos aspectos a nivel de código, una licenciada en administración de empresas brindaba una visión de negocio increíble, y yo probablemente aportaba una visión o entendimiento interesante de proceso.
Creo que todo sirve para todo, es cuestión de ser lo suficientemente flexible como para adaptar los conocimientos a distintas disciplinas y estar dispuesto a intercambiar y recibir ayuda de quien tenga unas fortalezas diferentes a las tuyas. Para mí, esa es siempre la clave del éxito.
¿Sobre qué fue tu trabajo final y qué resultados obtuviste?
Mi trabajo final se titula “Inteligencia Artificial Explicable: tecnología y transparencia para la Industria 4.0”. Lo que hicimos, con mi compañera de tesis Lua Iusim, fue en primera instancia desarrollar modelos de machine learning para predecir si una máquina industrial determinada va a fallar o no.
De esta forma, una empresa o planta industrial podría realizar el mantenimiento de la máquina solo cuando fuera necesario y así minimizar costos de mantenimiento no programado y maximizar la vida útil de los componentes de la máquina. Además, lo complementamos abordando el tema de la Inteligencia Artificial Explicable (XAI), cuyo objetivo es brindar transparencia, interpretabilidad e imparcialidad a los resultados que generan los modelos de machine learning, con el fin de que puedan ser fácilmente comprensibles por el ser humano.
Los modelos que desarrollamos superaron en performance y profundidad explicativa a la bibliografía disponible para uno de los casos en el que trabajamos con datos tabulares y, por otra parte, sentaron un precedente para la explicabilidad a partir de modelos complejos para datos en forma de serie temporal.
Me resultó apasionante poder desarrollar nuestro trabajo final sobre un tema muy familiar para mí, debido a mi carrera en Ingeniería Química. Además, incorporar y utilizar la inteligencia artificial explicable, que fue sugerida por nuestro tutor Sergio Yovine, me pareció un complemento espectacular.
La interpretabilidad de los modelos es crucial para demostrar y discutir su valor. Quienes terminan tomando decisiones sobre inversiones en esta materia, en general, no solo son quienes tienen un gran entendimiento técnico al respecto. Por lo tanto, contar con herramientas que ayuden a comprender el verdadero valor para el negocio y desmitificar la percepción de los modelos como cajas negras para algunos, me pareció un final muy enriquecedor e interesante.
¿Qué aspectos del Master en Big Data encontraste más interesantes y relevantes para tu carrera?
"Entré al master pensando únicamente en ganar herramientas para volcarlas en mi trabajo de aquel momento, y me encontré con un universo de posibilidades, ideas, y usos que desconocía".
Orienté mi master en inteligencia artificial y, de esta forma, empecé a ver y usar modelos de machine learning, entender cómo funcionaban en la teoría y llevarlos a la práctica. Adquirí una nueva forma de analizar y entender la realidad. Pensar cómo esos modelos podrían solucionar problemas complejos para el ser humano de una forma simple, colaborando para la toma de decisiones, o regalándole al ser humano más tiempo para enfocarse en la creatividad, las estrategias o incluso repensar y generar nuevos desafíos. Para mí fue alucinante.
Todo esto, sin duda, fue lo que me resultó más interesante. Hoy en día, tengo la dicha de trabajar en Pento, empresa especialista en AI y orientada a la creación de productos y soluciones para empresas.
¿Cómo ves la importancia de hacer un Master en Big Data en esta época?
Creo que puede marcar una verdadera diferencia en una carrera profesional. Uno de sus aspectos para mí más interesantes, es su versatilidad. Los conocimientos adquiridos en el master son aplicables en diversos sectores e industrias, así como en diferentes áreas y roles dentro de una misma organización.
"Ser capaz de liderar o contribuir con iniciativas estratégicas basadas en datos y en inteligencia artificial, sin duda te vuelve un profesional aún más valioso, que puede llevar a contribuir directamente al éxito e innovación dentro de una organización hoy, dice Marchesano".
¿Qué te aportó a nivel profesional?
A nivel profesional el master me proporcionó un conocimiento sólido en procesos clave de análisis de datos hoy en día: técnicas estadísticas, ciclo de vida de la analítica de big data en una organización, conocimientos sobre infraestructura de almacenamiento y procesamiento, y técnicas de inteligencia artificial orientadas al análisis predictivo y prescriptivo.
"Por otra parte, significó un cambio de mentalidad para mí. Aprendí a evaluar y ver los desafíos desde una nueva perspectiva, impulsó mi creatividad a la hora de generar estrategias y adquirí nuevas capacidades y herramientas para tomar decisiones de forma más objetiva".