La trayectoria profesional de Sergio Vázquez Lemus, actuario egresado de la Facultad de Ciencias de la UNAM, maestro en estadística por la Universidad de Florida y especializado en Ciencia de Datos por Harvard Extension School, empezó con su estadía en la Universidad de Miami, —en el área de Investigación Institucional— donde aplicó sus conocimientos de estadística en la elaboración de modelos predictivos, análisis estadísticos, programación con macros SAS y la preparación de bases de datos para rankear a las Universidades.
Continuó en la empresa Citi Bank, en la oficina regional de Latinoamérica y El Caribe, donde en el área de riesgo de crédito realizó validaciones de modelos de riesgo apoyado en probabilidad y estadística y simuló modelos predictivos para medir el impacto de pérdidas potenciales para el banco.
Actualmente, es director responsable de Consultoría Analítica y Ciencia de Datos para la red comercial de pagos electrónicos Visa, área que ofrece servicios de consultoría, gestiona la cartera y formula estrategias de pagos para impulsar el crecimiento y la rentabilidad de un negocio.
Vázquez Lemus descubrió su vocación por las matemáticas después de realizar una prueba de aptitudes en el bachillerato. “Las matemáticas al llegar a la carrera es un shock, pero mi recomendación es que no desistan“, dijo durante su participación en la plática virtual La vida Después de la Fac, organizada por la Facultad de Ciencias de la UNAM.
“Yo creo que el talento en México existe, claramente la Universidad y la Facultad de Ciencias tienen muchísimo talento y para aquellos estudiantes que les interese después salir al extranjero y hacer una maestría les recomiendo busquen todo ese tipo de oportunidades que a veces no se promueven mucho”, añadió en la transmisión que realizó la Secretaria de Vinculación de la Facultad de Ciencias con la intención de acercar la experiencia de sus egresados en el ámbito laboral con los estudiantes.
Detalló que la Ciencia de Datos es la intersección entre diferentes disciplinas, por un lado las ciencias de la computación, por otro las matemáticas, la estadística y el conocimiento del negocio, y “en medio está el mundo de la ciencia de datos”.
“Alguien que es bueno en matemáticas y estadística sabe de programación, sabe y entiende el mundo del negocio, él puede ser un buen científico de datos. Aunque no hay una regla que diga que el científico de datos tiene que tener una carrera en estadística o actuaría”.
El Big Data, Machine Learning y Deep Learning forman parte de la Ciencia de Datos, al respecto el universitario explicó que Big Data es un término que describe el gran volumen de datos que inundan a una empresa todos los días y “está en todas partes, Netflix, Facebook, Spotify y Visa”.
El aprendizaje automático o Machine Learning, el subcampo de las ciencias de Inteligencia Artificial (IA) que busca la posibilidad de que las máquinas aprendan de su entorno sin necesidad de ser explícitamente programadas, “es algo que permea nuestras vidas, vivimos como en una nueva Revolución Industrial en donde el petróleo son los datos y toda la maquinaria que permite que esto funcione es el Machine Learning”.
Con respecto al aprendizaje profundo o Deep Learning este imita la forma en que los humanos obtienen cierto tipo de conocimiento “y es lo que está detrás (del documental) AlphaGo”.
Asimismo, el proceso de Data Science empieza cuando se formula una pregunta de interés. Así, se obtienen los datos, se exploran, se entrena y valida un modelo, se visualizan o comunican los resultados y se pasa a una acción. “Tiene que ser algo que ayude a sacarle valor a todo ese aprendizaje que se ha realizado”.
El perfil de un científico de datos comprende cuatro pilares del saber: matemáticas y estadística, lenguajes de programación, conocimiento de negocio y habilidades interpersonales y saber comunicar los resultados a través de visualizaciones.
En la realización de un proyecto para presentar las habilidades a un posible empleador, Vázquez Lemus recomendó resolver el problema con fundamentos teóricos, pero sobre todo, explicar cuál es el resultado que se derivó de esa solución, “porque si no hay esa traducción de los datos, de los números que le interesan al empleador hay una desconexión, puedes ser el mejor científico de datos pero si no puedes explicar de una manera que se entienda no va a servir”.
Por último, exhortó a los estudiantes a que aprovechen todas las oportunidades que brinda la Facultad, profundicen en las materias que sean de su interés y a los que quieren especializarse en estadística a que desarrollen conocimientos que sean útiles para las industrias farmacéutica, la financiera y de producción en general.