De la academia al mundo de las startups

Para poner a los lectores al tanto, hablemos sobre su vida profesional. ¿Cómo elegiste esta carrera?

De niño, les decía a mis padres que quería ser observador. En ese momento, no tenía idea de cómo se traduciría en una carrera, pero recuerdo que me encantaba pasar tiempo mirando cosas e intentando entender cómo funcionaban.

A medida que crecí, esta motivación me llevó a estudiar Física para mi licenciatura, luego hacer una Maestría en Inteligencia Artificial y finalmente cursar un doctorado en Neurociencia.

Ahora, como Científico de Datos en Veriff, me encuentro analizando grandes conjuntos de datos y determinando qué algoritmos pueden extraer mejor cierta información para automatizar eficazmente procesos en los productos de Veriff. Diría que este camino profesional se asemeja a lo que, de niño, me gustaba hacer.

¡Interesante! Profundicemos más en tu experiencia de doctorado. ¿Cómo disfrutaste la vida en el mundo académico?

Ya en los últimos años de mi carrera en Física, sabía que quería hacer un doctorado. Normalmente, los temas de una licenciatura o maestría solo rasguñan la superficie de los conceptos que abordan. Esta fue una de las principales razones por las que quería hacer un doctorado, para profundizar en un tema de interés y potencialmente descubrir algo novedoso.

Al final de mi carrera en Física, me interesé por los sistemas complejos y tuve la suerte de encontrar el laboratorio del Prof. Gonzalo G. de Polavieja. En ese momento, él había reclutado un excelente grupo de físicos y biólogos trabajando juntos para entender las reglas de interacción de los colectivos animales (por ejemplo, bancos de peces) usando modelos matemáticos, lo que realmente me atrajo. Así que, hice mi doctorado en Neurociencia en la Fundación Champalimaud sobre la aplicación de técnicas de aprendizaje profundo para extraer, analizar y modelar el comportamiento de los colectivos de peces

Foto: Paco enseñando en la Fundación Champalimaud en Lisboa.

Uno de los aspectos destacados de mi trabajo de doctorado fue el desarrollo de idtracker.ai, que es un software de seguimiento multi-animal basado en aprendizaje profundo que identifica cada animal en un colectivo y rastrea sus posiciones a lo largo del tiempo a partir de un video.

Además de todas las habilidades técnicas que aprendí durante el desarrollo de mi proyecto de doctorado, estos años académicos han sido una experiencia de crecimiento personal increíble para mí. Conocí a muchas personas inteligentes e interesantes, mejoré mis habilidades de comunicación y organización y, sobre todo, aprendí a mantenerme positivo ante resultados negativos, de los que la ciencia está llena.

También has estado dando conferencias a otros estudiantes de doctorado. ¿Cuáles son los mayores desafíos para ti en compartir tu investigación y conocimientos con otros estudiantes?

La mayor parte de la enseñanza que he hecho sobre mi investigación está relacionada con mostrar a los estudiantes cómo funciona idtracker.ai y cómo usarlo de la mejor manera posible en sus experimentos en cursos de verano. Explicar el funcionamiento interno de un software en el que uno ha dedicado tres años de reflexión en 3 horas es bastante desafiante, especialmente porque parte del público son biólogos con poca exposición al mundo del aprendizaje profundo (aunque esta brecha se está reduciendo)

Lo que he aprendido es que si uno logra dar una visión general motivadora del panorama más amplio, entonces los estudiantes se interesan en el tema y comprender los detalles se vuelve más atractivo para ellos. El desafío de explicar cómo usar idtracker.ai sería menos desafiante si los estudiantes comprendieran algunos detalles básicos del funcionamiento interno.

Por ejemplo, supongamos que los estudiantes entienden cuán importante es la condición de imagen para realizar una tarea de clasificación usando una red neuronal convolucional. En ese caso, serán más cuidadosos al grabar los videos de sus experimentos o al establecer los parámetros necesarios para que el sistema extraiga trayectorias con alta precisión.

¡Genial! Ahora pasemos a tu trabajo actual en Veriff. ¿Cómo encontraste tu camino aquí?

Mi experiencia, que creo es compartida por muchos estudiantes de doctorado, es que el doctorado es bastante intenso, especialmente en los últimos años. Esto significa que si no eres cuidadoso, terminas con un equilibrio entre trabajo y vida personal bastante desequilibrado. Así que sabía que necesitaba un descanso de la academia. Dadas mis habilidades y experiencia en aprendizaje automático, pensé que sería divertido trabajar en esta industria a nivel de empresa también.

He pasado una buena cantidad de tiempo pensando en cómo identificar animales a partir de videos. Por lo tanto, estaba muy interesado en saber cómo funcionaría esto con personas en un escenario del mundo real. Así que, Veriff parecía un complemento perfecto para mí, y por eso decidí continuar mi carrera en esta empresa.

¿Cómo es tu vida laboral diaria?

Debido a la pandemia, me acostumbré mucho al trabajo remoto, y realmente me gusta. Cuando comencé a trabajar en Veriff, me alegró descubrir que la empresa había adoptado un enfoque híbrido flexible para el trabajo, que se adapta a mi estilo de vida.

En el trabajo, paso la mayor parte del tiempo frente a la computadora programando y mirando datos. Principalmente, analizo los resultados de los experimentos de aprendizaje automático o tengo reuniones con compañeros de otros departamentos.

Antes del inicio de mi jornada laboral, a menudo salgo a correr temprano en la mañana. A lo largo del día, trato de tomar pequeños descansos para descansar mis ojos y estirar mi cuerpo.

Foto: Paco disfrutando al aire libre

¿Cuál de los valores de Veriff resuena más contigo?

Me considero una persona bastante proactiva y creativa, y me encanta poder poner mis ideas en práctica. Además de ser la única forma de probar si mis intuitiones son correctas, creo que alentar a las personas a estar activas en el trabajo es la mejor manera de encontrar soluciones novedosas a problemas. Así que diría que el valor "Las ideas son gratis. La ejecución no tiene precio" resuena más conmigo.

¿Cuáles son los desafíos de ser Científico de Datos en una empresa como Veriff?

Veriff está creciendo rápidamente, por lo que asegurar que nuestros productos utilicen los modelos más precisos, confiables y robustos es crucial para el éxito de la empresa. Uno de los mayores desafíos es asegurarse de que probemos nuestros modelos con datos y condiciones lo más cercanas posible a las de producción. Esto nos ayuda a entender que el esfuerzo realizado durante el desarrollo del modelo vale la pena y mejora nuestro producto

Finalmente, cuéntanos sobre tus pasatiempos.

En mi tiempo libre, me encontrarás corriendo, tocando música, tomando fotos o leyendo un libro. También dedico algunas horas de la semana a trabajar en ciencia de datos para la ONG crowdfight.org, que ayuda a crear colaboraciones científicas.

¡Gracias! Ahora pasemos a las preguntas rápidas.

¿Cuál es un libro que todo el mundo debe leer?

Dos de los libros que disfruté mucho en los últimos años son "Sapiens" y "Homo Deus" de Yuval Noah Harari. Disfruté leer sobre su nueva visión de la historia y las posibilidades para el futuro de la humanidad.

¿Tu podcast favorito?

Mi favorito sería un podcast en español llamado “De eso no se habla” (no se habla de eso). Entrevistan a personas con historias interesantes sobre temas que son tabú en la sociedad española.

Si no fueras ingeniero, ¿qué serías?

Probablemente sería un músico profesional. He tocado música desde que tenía 7 años y mi pasión por ella no ha disminuido después de todos estos años. Me encanta actuar en vivo, pero también amo estudiar y enseñar música.

¿Mac o PC?

Uso una PC para trabajar y un Mac como computadora personal.

¿Qué consejo le darías a alguien que quiere comenzar su carrera como Científico de Datos?

Hoy en día, Internet está lleno de tutoriales sobre codificación en diferentes lenguajes; sin embargo, la mejor manera de aprender es comenzar el desarrollo de proyectos uno mismo y dedicar tiempo a ello. Recientemente, descubrí una ONG llamada CorrelAid, donde científicos de datos junior y senior ayudan a otras ONG con problemas relacionados con la ingeniería de datos. Descubrí que es un excelente entorno para que los futuros ingenieros aprendan de otros más experimentados