La economista Patricia Filluelo, graduada y profesora de la Facultad de Ciencias Empresariales y Economía (FCEE) de la Universidad de Montevideo, recibió el diploma de MicroMaster en Data Science & Statistics del Massachusetts Institute of Technology (MIT). La ceremonia se realizó la semana pasada en el campus de la afamada universidad ubicada en Boston (número uno del mundo según QS World University Rankings).

La docente culminó una Maestría en Ciencia de Datos de la UTEC, programa que cuenta con el soporte académico del IDSS (Institute for Data, Systems, and Society) del MIT. Filluelo fue parte de la primera generación de dicho postgrado. En 2020, presentó en el evento virtual Women in Data Science (WiDS), junto a colegas de la maestría, un proyecto que pone en su centro la herramienta de Machine Learning para el tratamiento de autismo en niños en Uruguay.

Filluelo se desarrolla en la Ciencia de Datos desde hace algún tiempo y hoy es Business & Digital Transformation Head en Scienza Uruguay. En entrevista con Prensa UM, comentó cómo se inició en la disciplina y cómo lo traslada a la docencia.

¿Cuándo comenzaste a especializarte en Ciencia de Datos?

En mi primer acercamiento y en mi historia con la Ciencia de Datos tiene mucho que ver la UM.

Fui invitada como panelista para el lanzamiento de la carrera de Ciencias de Datos en 2018. En ese entonces era gerente de Marketing de Coca-Cola en Uruguay y tenía una vida muy diferente a la actual, pero siempre valoré el análisis estratégico y me habían invitado para dar ese punto de vista desde el lado de líder de equipos y comercial.

Entonces cuando la UM recibe la información de esta Maestría y de las becas que ofrecerían para profesores universitarios, me lo envían justamente por haber estado en aquel panel de Ciencias de Datos. Me presenté, gané las becas y en 2019 empecé a cursar la  Maestría de Ciencia de Datos llevada a cabo por la UTEC, junto con el Statistics and Data Science MicroMaster del Massachusetts institute of technology (MIT). Así que si bien como economista y habiendo trabajado toda la vida en áreas comerciales, tenía mucho contacto con el pensamiento analítico, es desde hace pocos años que me metí a este mundo de tecnología.

Gracias a esta maestría conocí a mis compañeros del equipo del proyecto de tratamiento de autismo para niños (que vienen todos de Ingeniería, menos mi compañera de WIDs, María Eugenia Pastor, que es biotecnóloga) y son unos profesionales increíbles. Nos embarcamos en este proyecto para nuestra tesis muy bien acompañados. Nos guiaron en la parte de integración de escalas los mejores expertos médicos referentes de TEA en el Río de la Plata (nos ayudaron especialistas argentinos), y nuestra mentora fue una estudiante doctoral del MIT que trabajó con nosotros desde Boston.

¿Desde qué año sos docente en la UM y qué es lo que más disfrutás de dar clases? ¿Qué materia estás brindando como docente en FCEE?

Amo ser docente y enseñar es una de mis pasiones, me resulta sumamente gratificante ver desarrollarse a los alumnos y la siento una tarea trascendente.

Empecé a dar clases viviendo afuera hace unos ocho años y cuando volví a Uruguay en 2016 me ofrecieron unirme a la UM. Así que desde 2017 estoy con el curso de Administración de Ventas, y ahora también imparto Negociación Internacional. Los cursos no están relacionados directamente con Ciencia de Datos, pero sí hay aspectos complementarios.

Por un lado, desde el curso de Ventas destacamos mucho el valor del análisis de la toma de decisiones fundamentada en facts & insights. A su vez, algunos de mis alumnos también están cursando la carrera de Ciencia de Datos en la UM, así que, si conmigo nutren la formación estratégica, les aportara muchísimo a lo técnico.

Y en cuanto a Negociación, es una capacidad que se considera necesaria dentro del perfil del data scientist, aunque no sea parte directamente. De hecho cuando cursé la Maestría tomé el Program on Negotiation de Harvard Law School Executive Education.

 ¿Qué habilidades crees necesarias que desarrollen los alumnos para lanzarse al ámbito laboral de la data science?

Lo básico para poder abordar la complejidad desde lo teórico es tener una muy buena base matemática y estadística. Luego hay que poder manejar lenguajes de programación y entender códigos para implementar los modelos. Pero más allá de estos aspectos duros, creo muy importante poder conectar todo esto con lo comercial y el pensamiento estratégico, para que los algoritmos se conviertan en una propuesta de valor que atienda a una necesidad, o sea, una mejor solución que las existentes.