Esta entrada es distinta: no es un balance sino un plan. Estoy en el octavo de nueve semestres del Plan B, con dos que faltan para graduarme en mayo de 2027.
Arquitectura para Grandes Volúmenes de Datos
Almacenamiento distribuido, MapReduce y Spark, formatos columnares, particionado, y el diseño de sistemas que no caben en una máquina. Llego con ventaja: en el trabajo vivo dentro de BigQuery, que es exactamente esto con otra interfaz. Lo que quiero sacar es lo que el trabajo no te enseña: por qué el sistema está diseñado así, qué sacrifica y qué haría distinto si lo diseñara yo.
Minería y Análisis de Datos
Reglas de asociación, clustering, reducción de dimensión, análisis de texto. Es la materia “exploratoria” de la carrera: encontrar estructura donde nadie dijo que la había. Mi interés particular es el texto, por el Bag-of-Words del semestre pasado y por WhisperFlow, mi herramienta de dictado offline: quiero entender mejor los pipelines de lenguaje que ya uso.
Métodos Multivariados
Normal multivariada, componentes principales, análisis factorial, correlación canónica, discriminante, escalamiento multidimensional. Componentes principales es el puente entre el Álgebra Lineal del segundo semestre (valores propios) y el aprendizaje de máquina del sexto: reducir dimensiones es diagonalizar la covarianza. Me gusta cuando una materia cierra un círculo que abrió otra tres años antes.
Ciencia de Datos Aplicada I
Un proyecto integrador con un socio real, en dos semestres. Desde este otoño el caso desarrollado aquí puede sustituir a la tesis o tesina como forma de titulación. Es la materia en la que todo lo anterior tiene que aparecer junto: pregunta, datos, modelo, causalidad, ética, comunicación. Todavía estoy eligiendo el problema; quiero que tenga datos públicos y una pregunta que le importe a alguien.
Políticas Públicas II
La segunda parte del tópico aplicado a políticas públicas, ahora con las herramientas de inferencia causal del semestre pasado. Evaluar una intervención con diferencias en diferencias, y explicarla a alguien que no sabe qué es un contrafactual.
Lo que viene después
El noveno semestre trae Estadística Bayesiana (la materia que más espero), Ciencia de Datos Aplicada II, Comunicación Profesional y tres optativas; entre las candidatas están Series de Tiempo, Procesos Estocásticos y Aprendizaje Estadístico. Y quedan las 480 horas de servicio social.
Lo que quiero llevarme
Que el último tramo de la carrera no sea una lista de materias aprobadas sino un proyecto del que pueda hablar cinco años después. Esta bitácora es, en parte, para obligarme a eso.