En IE University nos sentimos muy orgullosos de las grandes dosis de ambición y conocimientos de nuestros estudiantes, y nos esforzamos por ofrecerles recursos y espacios para que puedan cumplir sus aspiraciones. Ryan Daher es uno de esos estudiantes. Su proyecto final del Grado en Datos y Analítica de Negocio ejemplifica a la perfección hasta dónde puedes llegar con tus estudios en IE University.
Aunque originario de Líbano, Ryan se ha convertido en un auténtico ciudadano global después de trabajar y estudiar en numerosos países como España, Canadá o EE. UU. Actualmente trabaja en Dubái como consultor para Boston Consulting Group. Su trayectoria es un ejemplo de los valores de innovación, curiosidad y emprendimiento que se fomentan en IE Venture Lab.
LA GRAN IDEA
Ryan había empezado a estudiar un grado en Ingeniería Informática en Canadá, pero cuando descubrió el aprendizaje automático quedó fascinado y decidió hacer un traslado de expediente para pasarse al Grado en Datos y Analítica de Negocio de IE University. Intrigado por las posibilidades de “entrenar un algoritmo para que pueda realizar tareas a un nivel que va más allá de las capacidades humanas”, decidió aprender tanto como fuera posible sobre esta compleja tecnología, con el objetivo de explotar “todo su potencial y generar un impacto real en el mundo”.
Para demostrar las competencias y conocimientos adquiridos durante el grado, Ryan decidió embarcarse en un ambicioso proyecto de gran impacto: medir la equidad y transparencia del aprendizaje automático. El proyecto exigía una minuciosa planificación y muchas horas de trabajo, y Ryan explica cómo se organizó: “Lo mejor es dividir las tareas más grandes en otras de un tamaño más manejable. Con esto consigues que objetivos aparentemente imposibles sean alcanzables”.
Un proyecto tan ambicioso podría abrumar a cualquiera, pero Ryan aplicó un enfoque que le funcionó muy bien y que comparte con nosotros: “Se trata de empezar por la última fase y retroceder al punto inicial. La parte más importante de cualquier proyecto es tener claro qué resultados quieres obtener. Si defines claramente tu objetivo final, puedes reunir las piezas necesarias para lograr esa meta”. Contar con un plan (y con el apoyo de su asesor, el profesor Manoel Gadi) le sirvió para poder investigar eficientemente el tema elegido.
PASO A PASO HACIA EL ÉXITO
Ryan comenzó por investigar las áreas grises y los interrogantes legales que plantean el aprendizaje automático y las decisiones automatizadas. Dado que se trata de una tecnología de vanguardia que evoluciona constantemente, este era un paso difícil pero necesario. Ryan acabó dominando “la psicología y la filosofía de la equidad, las investigaciones anteriores en este campo, las definiciones elaboradas por los investigadores y las distintas interpretaciones de las mismas”.
Después de estudiar a fondo las bases teóricas de la equidad y los sesgos de las decisiones automatizadas, recurrió a su formación científica para estudiar las mediciones estadísticas de la equidad. Utilizando el lenguaje de programación Python, desarrolló una librería basada en fórmulas y valoraciones estadísticas anteriores. Ryan explica así las aplicaciones de su trabajo: “Los usuarios que importen la librería que he creado pueden elaborar informes completos y detallados sobre los sesgos y la inequidad de sus conjuntos de datos y de los resultados de su modelo”.
Para que su librería fuera lo más completa posible, Ryan decidió que debía incorporar también los modelos de caja negra, a pesar de la gran complejidad que estos presentan. Se trata de modelos donde resulta muy difícil evaluar el sesgo de las decisiones porque los usuarios no siempre tienen acceso a los cálculos que hace el algoritmo, pero Ryan supo encontrar una solución a este problema: “Utilicé técnicas avanzadas de programación y otras librerías en Python para compilar un componente adicional que añadí a la librería y que permite estimar los factores que afectan a las decisiones de los modelos de caja negra. Este último paso fue el más complicado, pero también el más gratificante, porque era la pieza que completaba el trabajo”.
Aunque su etapa en IE University ha acabado, a Ryan el proyecto le sirvió para realizar un trabajo de impacto sobre un tema que le apasiona. Sus recomendaciones para otros estudiantes de IE University son las siguientes:
1) Esfuérzate al máximo y trabaja con inteligencia en un tema que te apasione.
2) No te centres solo en los estudios: encuentra tiempo para practicar algún deporte, dedicarte a tus aficiones o embarcarte en un proyecto empresarial secundario.
3) Haz buenos amigos y construye relaciones a largo plazo.