Código abierto y el rol de las redes sociales
Durante los últimos años la cantidad de información y almacenamiento ha crecido de forma exponencial, generando oportunidades para compartir conocimiento e impulsar el crecimiento de herramientas en código abierto, lo que ha permitido acelerar el proceso de investigación y desarrollo colectivo.
Las redes sociales han jugado un papel fundamental para que el contenido educativo pueda llegar a personas en cualquier lugar del mundo y gracias a esto aprender nuevas habilidades. Herramientas como YouTube, GitHub, Medium, Stack Overflow, por mencionar algunas, se han convertido en los pilares para compartir ideas y preguntas, y buscar soluciones.
Derivado de los puntos mencionados, el proceso de trabajo también está enfrentando cambios, ya que han surgido oportunidades para crear nuevas áreas y equipos que aprovechen estas herramientas y puedan ser el motor de innovación. Además de permitirles desarrollar soluciones hechas a la medida y reducir costos.
Tomando en cuenta estos conceptos, me parece particularmente importante que tanto individuos como instituciones fomenten el uso de nuevas tecnologías y exploten las redes sociales para poder transmitir el conocimiento colaborativo.
La revolución 4.0, también conocida como industria inteligente, depende directamente del uso de datos y algoritmos que puedan incrementar la interconectividad y automatización inteligente. Algunas de las principales industrias que se están enfrentando a estos cambios son:
- Servicios financieros (fintech)
- Consumo (e-commerce)
- Salud (desarrollo de nuevos medicamentos, genética)
- Transporte y cadenas de suministro (logística)
- Robótica (automatización industrial)
Las habilidades necesarias para poder llevar a cabo proyectos de esta índole están relacionadas con lenguajes de programación como Python, C++, Java, R, SQL y Excel; conocimientos matemáticos desde conceptos básicos hasta la implementación de metodologías de machine learning mediante el uso de librerías populares como Numpy, Pandas, Scipy, Scikit-learn, mlr, Tidyverse, Caret, TensosFlow, Pytorch, Keras, Dmlc XGBoost, H2O, además de librerías específicas por industria.
El camino al aprendizaje de estas herramientas necesita de dos principales vertientes: por un lado, la cantidad de material autodidacta que internet nos ofrece, por otro, la instrucción personalizada para poder acelerar el proceso y motivar a los estudiantes para evitar la deserción relacionada con loops en el proceso.
Otro punto importante para aprender a programar y el uso de estas herramientas es tener un primer proyecto para ir aplicando los conocimientos y automatizar o resolver alguna de nuestras tareas diarias; algunos ejemplos son:
- Automatización de procesos de análisis de datos y su descarga (a través de API o haciendo web scraping).
- Creación de herramientas para optimizar tareas, puede ser desde una optimización de portafolios hasta el uso de recursos en distintos procesos.
- Uso de algoritmos para clasificar y/o pronosticar variables del negocio.
- Realizar análisis históricos para generar escenarios en la toma de decisiones.
Algunos de los recursos que me han sido útiles para desarrollar estas habilidades:
Matemáticas y programación
- 3Blue1Brown / https://www.youtube.com/@3blue1brown/playlists
- Real Python / https://www.youtube.com/channel/UCI0vQvr9aFn27yR6Ej6n5UA
- sentdex / https://www.youtube.com/user/sentdex
- Joey Blue / https://www.youtube.com/@joeyblue1
- ExcelIsFun / https://www.youtube.com/@excelisfun
- Stanford Online / https://www.youtube.com/@stanfordonline
- MIT OpenCourseWare / https://www.youtube.com/@mitocw/playlists
Finanzas
- TradeOptionsWithMe / https://www.youtube.com/@TradeOptionsWithMe
- Computations in Finance / https://www.youtube.com/@ComputationsInFinance
- Hudson & Thames / https://www.youtube.com/@hudsonthames4356/playlists
- QuantConnect / https://www.youtube.com/@Quantconnect
- OpenBB / https://www.youtube.com/@openbb
GitHub
- Machine Learning Notebooks / https://github.com/ageron/handson-ml2
- Python for Finance and Algorithmic Trading / https://github.com/arturoaguilarkn/BOOK-AMAZON-Python-for-Finance-and-Algorithmic-Trading
- Machine Learning and Data Science Blueprints for Finance / https://github.com/arturoaguilarkn/fin-ml
Artículos de investigación
- SSRN / https://www.ssrn.com/index.cfm/en/
- arXiv / https://arxiv.org/