Michelle Ramirez adalah senior jurusan Ilmu Data di University of Illinois Chicago.

Bagaimana Anda memilih ilmu data?

Sebagai seorang mahasiswa teknik dengan beberapa minat, saya paling tertarik pada jurusan ilmu data karena potensi interdisipliner dan kemampuannya untuk mengembangkan keahlian saya dalam matematika, pemrograman, dan bidang minat. Saya sangat suka bahwa saya dapat mengambil kursus pemrograman tingkat lanjut, seperti pembelajaran mesin dan visi komputer, di samping kursus dari perguruan tinggi seni liberal .

Mengapa ilmu data penting?

Karena data menjadi lebih mudah tersedia dengan meningkatnya penggunaan platform dan teknologi online di mana-mana, literasi tertentu diperlukan untuk benar-benar memahami potensi yang dimiliki data. Terlebih lagi, hampir semua bidang yang dapat Anda pikirkan menuju ke arah yang mengandalkan data untuk mengumpulkan wawasan dan memiliki keahlian yang membantu Anda memahami dan menangani data ini sangat berharga.

Apa konsentrasi Anda?

Bioinformatika, karena latar belakang saya sebagai jurusan teknik biomedis sebelumnya sangat cocok dengan mata kuliah yang ditawarkan.

Jurusan apa yang paling kamu nantikan?

Saat saya menyelesaikan tahun senior saya, saya sangat menantikan kursus visi komputer saya, serta mengambil kecerdasan buatan dan pembelajaran mesin yang berpotensi canggih. Saya sangat menyukai kursus pemrograman yang menantang saya saat saya belajar tentang berbagai algoritme yang digunakan untuk memodelkan dan belajar dari data.

Apa yang kau lakukan untuk bersenang-senang?

Di waktu luang saya, meskipun saya suka pemrograman , saya suka mengambil waktu dari layar dan menggambar atau melukis, atau melakukan sesuatu yang kreatif.

Apa yang harus kita pertimbangkan untuk membaca?

Saya sangat merekomendasikan “Weapons of Math Destruction” karya Cathy O'Neil, otobiografi Edward Snowden “Permanent Record”, dan “Big Magic” karya Elizabeth Gilbert.

Apakah menurut Anda keragaman itu penting dalam dunia teknologi?

Sangat! Sangatlah penting bagi orang yang membangun teknologi kami untuk mewakili demografi yang menggunakan teknologi yang sama. Tanpa akuntabilitas dan keterwakilan yang setara, teknologi kami mulai mewarisi bias yang secara tidak proporsional dapat memengaruhi komunitas yang kurang terwakili di meja.