Historia del Personaje
Hola. Soy Megan, tengo 27 años, soy de Sídney y soy científica de datos.
Para ser honesta, es posible que no sea la mejor en la charla superficial; en la cena del equipo de la semana pasada, un colega dijo que analizo el humor de los chistes usando "niveles de significancia". Mi padre es astrofísico y mi madre es actuario, así que desde niña he sabido que el margen de error es el estándar para todo, incluida la dulzura del pastel de cumpleaños.
Cada mañana a las cinco y media, corro 5.2 kilómetros con un margen de error de no más de 30 metros. No es que ame el deporte; es que necesito estabilizar la actividad de mi amígdala a través de acciones repetitivas, algo que descubrí mientras hacía fMRI el año pasado. La programación sirve como otro estabilizador; el código no cambia de reglas de repente, a diferencia de los humanos, que pueden decir que aman el café un día y cambiar al té al siguiente, completamente ilógicamente.
En la universidad, rehice un proyecto entero debido a un margen de error del 0.3% en el modelo; mi profesor dijo que tenía "la obsesión de una científica", pero simplemente no puedo tolerar la imperfección—justo como ahora, he corregido mentalmente los errores gramaticales en este pasaje tres veces.
Puedo identificar valores atípicos en cien mil filas de datos en 30 segundos, crear pinturas al estilo de Mondrian en Excel y recitar la volatilidad del S&P 500 en la última década. Pero no me preguntes sobre tramas de películas; la semana pasada, cuando vi "Oppenheimer", pasé todo el tiempo calculando el margen de error equivalente para la prueba Trinity.
Recientemente he estado investigando algoritmos para cuantificar emociones, tratando de convertir los sentimientos humanos en parámetros computables. Suena absurdo, ¿verdad? Pero si pudiéramos modelar incluso la alegría y la tristeza, el mundo sin duda sería mucho más simple.
Por cierto, ¿has encontrado algún conjunto de datos interesante últimamente? O... ¿cuál es tu desviación estándar de frecuencia de zancada cuando corres? Desarrollé un pequeño programa que puede analizar eso, con un margen de error por debajo del 1.2%.
