Este artículo apareció originalmente como respuesta por Daniel Bourke en Quora.
"Estaba trabajando en la Apple Store y quería un cambio. Para empezar a construir la tecnología que estaba atendiendo".
Comencé a estudiar el Aprendizaje automático (ML) y la Inteligencia artificial (AI).
Hay mucho que hacer en el campo.
Cada semana parece que Google o Facebook están lanzando un nuevo tipo de Inteligencia Artificial para hacer las cosas más rápido o mejorar nuestra experiencia.
Y no me refiero a la cantidad de empresas de automóviles autónomos. Aunque esto es algo bueno. No soy un fanático de la conducción y las carreteras son peligrosas.
Incluso con todo esto sucediendo, todavía hay una definición acordada de qué es exactamente la Inteligencia Artificial.
Algunos argumentan que el Aprendizaje Profundo puede considerarse IA, otros dirán que no es IA a menos que pase la Prueba de Turing.
Esta falta de definición realmente atrofió mi progreso al principio. Era difícil aprender algo que tenía tantas definiciones diferentes.
Basta con las definiciones.
Mis amigos y yo estábamos construyendo una startup web. Falló. Nos dimos por vencidos por falta de sentido. Pero a lo largo del camino, comencé a escuchar más y más sobre ML y AI.
'¿La computadora aprende las cosas por ti?' No podía creerlo.
Me tropecé con Nanodegree Deep Learning de Udacity. Un divertido personaje llamado Siraj Raval estaba en uno de los vídeos promocionales. Su energía era contagiosa. A pesar de no cumplir con los requisitos básicos (nunca había escrito una línea de Python antes), me inscribí.
Tres semanas antes de la fecha de inicio del curso, envié un correo electrónico al servicio de asistencia de Udacity preguntando cuál era la política de reembolso. Tenía miedo de no poder completar el curso.
No obtuve un reembolso. Completé el curso dentro de la línea de tiempo designada. Fue dificil. Muy duro a veces. Mis dos primeros proyectos fueron entregados cuatro días tarde. Pero la emoción de estar involucrado en una de las tecnologías más importantes del mundo me impulsó a avanzar.
Al finalizar Deep Learning Nanodegree, había garantizado la aceptación de AI Nanodegree, Auto-Driving Car Nanodegree o Robotics Nanodegree de Udacity. Todas las grandes opciones. Estaba un poco perdido. '¿A dónde voy después?'
Necesitaba un currículum. Construí una pequeña base con Deep Learning Nanodegree, ahora era el momento de averiguar hacia dónde me dirigiría.
No pensaba volver a la universidad pronto. De todos modos, no tenía $ 100,000 para una maestría adecuada.
Así que hice lo que hice al principio. Pedí ayuda a mi mentor, Google.
Me lancé a un Aprendizaje Profundo sin ningún conocimiento previo del campo. En lugar de subir a la punta del iceberg de la IA, un helicóptero me había dejado en la cima.
Después de investigar un montón de cursos, puse una lista de los que más me interesaron en Trello.
Trello es mi asistente personal / coordinador del curso.
Sabía que los cursos en línea tenían una alta tasa de abandono escolar. No me iba a permitir ser parte de este número. Yo tenía una misión.
Para hacerme responsable, comencé a compartir mi viaje de aprendizaje en línea. Pensé que podría practicar comunicando lo que aprendí y encontrar a otras personas que estaban interesadas en las mismas cosas que yo. Mis amigos aún piensan que soy un extraterrestre cuando voy a una de mis aventuras de la IA.
Hice público el tablero de Trello y escribí una publicación de blog sobre mis esfuerzos.
El currículo ha cambiado ligeramente desde que lo escribí por primera vez, pero aún es relevante y visito la pizarra de Trello varias veces por semana para seguir mi progreso.
Compré un boleto de avión a los EE. UU. Sin vuelo de regreso. Había estado estudiando durante un año y pensé que ya era hora de que empezara a poner mis habilidades en práctica.
Mi plan era ir a los Estados Unidos y ser contratado.
Luego Ashlee me envió un mensaje a LinkedIn, 'Oye, he visto tus publicaciones y son realmente geniales, creo que deberías conocer a Mike'.
Conocí a Mike.
Le conté mi historia de aprendizaje en línea, cómo me encantaba la tecnología de la salud y mis planes para ir a los Estados Unidos.
'Puede que sea mejor que te quedes aquí un año o así y veas lo que puedes encontrar, creo que te encantaría conocer a Cameron'.
Conocí a Cameron.
Tuvimos una charla similar de lo que Mike y yo hablamos. Salud, tecnología, aprendizaje en línea, Estados Unidos.
'Estamos trabajando en algunos problemas de salud, ¿por qué no vienes el jueves?'
Llegó el jueves y estaba nervioso. Pero una vez alguien me dijo que estar nervioso es lo mismo que estar emocionado. Me volteé para estar emocionado.
Pasé el día reuniéndome con el equipo de Max Kelsen y los problemas en los que estaban trabajando.
Dos jueves después, Nick, el CEO, Athon, ingeniero jefe de aprendizaje de máquinas, y yo, fuimos a tomar un café.
'¿Cómo te gustaría unirte al equipo?' Preguntó Nick.
'Claro', dije.
Mi vuelo a Estados Unidos se retrasó un par de meses, también tengo un boleto de regreso.
Aprendiendo en línea, sabía que era poco convencional. Todos los roles que solicité tenían requisitos de maestría o al menos algún tipo de título técnico.
Yo no tuve ninguno de estos, pero tenía las habilidades que había reunido de una gran cantidad de cursos en línea.
En el camino, estaba compartiendo mi trabajo en línea. Mi GitHub contenía todos los proyectos que había hecho, mi LinkedIn estaba apilado y había practicado comunicando lo que había aprendido a través de YouTube y artículos en Medium.
Nunca entregué un currículum para Max Kelsen. 'Lo investigamos en LinkedIn y nos impresionó'. Mi trabajo fue mi currículum.
Independientemente de si estás aprendiendo en línea o a través de una maestría, tener un portafolio de lo que has trabajado es una excelente manera de desarrollar el aspecto del juego.
Las habilidades en ML y AI están en demanda, pero eso no significa que no tengas que mostrarlas. Incluso el mejor producto no se venderá sin ningún espacio en los estantes.
Ya sea GitHub, Kaggle, LinkedIn o un blog, tenga un lugar donde la gente pueda encontrarlo. Además, tener tu propio rincón de Internet es muy divertido.
¿A dónde vas para aprender estas habilidades? ¿Qué cursos son los mejores?
No hay mejor respuesta. El camino de cada uno será diferente. Algunas personas aprenden mejor con libros, otras aprenden mejor a través de vídeos.
Lo que es más importante que cómo comienzas es por qué empiezas.
Comience con por qué.
¿Por qué quieres aprender estas habilidades?
¿Quieres hacer dinero?
¿Quieres construir cosas?
¿Quieres hacer una diferencia?
Una vez más, no hay razón correcta. Todas son válidas a su manera.
Comienza por qué, porque tener un por qué es más importante que cómo. Tener un por qué significa que cuando se pone difícil y se volverá difícil, tienes algo a lo que recurrir. Algo para recordarte por qué empezaste.
¿Tienes un por qué? Bueno. Tiempo para algunas habilidades difíciles.
Solo puedo recomendar lo que he intentado.
He completado los cursos de (en orden):
Si eres un principiante absoluto, comienza con algunos cursos introductorios de Python y, cuando estés un poco más seguro, pasas a la Ciencia de la Información, el Aprendizaje Automático y la Inteligencia Artificial.
El nivel más alto de educación matemática que he tenido fue en la escuela secundaria. El resto lo he aprendido a través de la Academia Khan como lo he necesitado.
Hay muchas opiniones diferentes sobre la cantidad de matemáticas que necesitas saber para entrar en el Aprendizaje Automático y la Inteligencia Artificial. Voy a compartir la mia.
Si desea aplicar el Aprendizaje Automático y las técnicas de Inteligencia Artificial a un problema, no necesariamente necesita una comprensión profunda de las matemáticas para obtener un buen resultado. Las bibliotecas como TensorFlow y PyTorch permiten que alguien con un poco de experiencia en Python construya modelos de vanguardia, mientras que los cálculos matemáticos se resuelven entre bastidores.
Si está buscando profundizar en el Aprendizaje Automático y la investigación de la IA, a través de un programa de doctorado o algo similar, tener un conocimiento profundo de las matemáticas es primordial.
En mi caso, no busco profundizar en las matemáticas y mejorar el rendimiento de un algoritmo en un 10%. Eso se lo dejo a la gente más inteligente que yo. En cambio, estoy más que contento de usar las bibliotecas disponibles para mí y de manipularlas para ayudar a resolver los problemas que considere oportunos.
Lo que hace un ingeniero de máquinas en la práctica podría no ser lo que piensas.
A pesar de las fotos de portada de muchos artículos en línea, no siempre implica trabajar con robots que tienen los ojos rojos.
Aquí hay algunas preguntas que un ingeniero de ML (Machine Learning) debe hacerse diariamente.
Para más información, hice un vídeo de lo que solemos hacer los lunes en Max Kelsen.
No hay una manera correcta o incorrecta de ingresar al ML o a la IA.
Lo bello de este campo es que tenemos acceso a algunas de las mejores tecnologías del mundo, todo lo que tenemos que hacer es aprender a usarlas.
Podrías empezar por aprender el código de Python.
Podrías empezar estudiando cálculo y estadística.
Puedes comenzar aprendiendo sobre la filosofía de la toma de decisiones.
El Aprendizaje Automático y la IA me fascinan por esta intersección de campos.
Cuanto más aprendo sobre él, más me doy cuenta de que hay mucho más que aprender. Y esto me exageró.
A veces me frustro cuando mi código no se ejecuta. O no entiendo un concepto. Así que me rindo temporalmente. Me rindo dejando alejarme del problema y tomando una siesta. O dar un paseo. Cuando vuelvo, siento que lo estoy mirando con ojos diferentes. La emoción vuelve. Sigo aprendiendo.
Hay tantas cosas sucediendo en el campo que puede ser desalentador comenzar. Demasiadas opciones conducen a ninguna opción. Ignora esto.
Comienza donde más te interese y síguelo. Si conduce a un callejón sin salida, genial, has descubierto en qué no estás interesado. Vuelve sobre tus pasos y toma la otra bifurcación en el camino.
Comienza donde más te interese y síguelo. Si conduce a un callejón sin salida, genial, has descubierto en qué no estás interesado. Vuelve sobre tus pasos y toma la otra bifurcación en el camino.
Las computadoras son inteligentes pero todavía no pueden aprender por sí mismas. Ellas necesitan tu ayuda.
Notas al pie
"Estaba trabajando en la Apple Store y quería un cambio. Para empezar a construir la tecnología que estaba atendiendo".
Comencé a estudiar el Aprendizaje automático (ML) y la Inteligencia artificial (AI).
Hay mucho que hacer en el campo.
Cada semana parece que Google o Facebook están lanzando un nuevo tipo de Inteligencia Artificial para hacer las cosas más rápido o mejorar nuestra experiencia.
Y no me refiero a la cantidad de empresas de automóviles autónomos. Aunque esto es algo bueno. No soy un fanático de la conducción y las carreteras son peligrosas.
Incluso con todo esto sucediendo, todavía hay una definición acordada de qué es exactamente la Inteligencia Artificial.
Algunos argumentan que el Aprendizaje Profundo puede considerarse IA, otros dirán que no es IA a menos que pase la Prueba de Turing.
Esta falta de definición realmente atrofió mi progreso al principio. Era difícil aprender algo que tenía tantas definiciones diferentes.
Basta con las definiciones.
¿Cómo comencé?
Mis amigos y yo estábamos construyendo una startup web. Falló. Nos dimos por vencidos por falta de sentido. Pero a lo largo del camino, comencé a escuchar más y más sobre ML y AI.
'¿La computadora aprende las cosas por ti?' No podía creerlo.
Me tropecé con Nanodegree Deep Learning de Udacity. Un divertido personaje llamado Siraj Raval estaba en uno de los vídeos promocionales. Su energía era contagiosa. A pesar de no cumplir con los requisitos básicos (nunca había escrito una línea de Python antes), me inscribí.
Tres semanas antes de la fecha de inicio del curso, envié un correo electrónico al servicio de asistencia de Udacity preguntando cuál era la política de reembolso. Tenía miedo de no poder completar el curso.
No obtuve un reembolso. Completé el curso dentro de la línea de tiempo designada. Fue dificil. Muy duro a veces. Mis dos primeros proyectos fueron entregados cuatro días tarde. Pero la emoción de estar involucrado en una de las tecnologías más importantes del mundo me impulsó a avanzar.
Al finalizar Deep Learning Nanodegree, había garantizado la aceptación de AI Nanodegree, Auto-Driving Car Nanodegree o Robotics Nanodegree de Udacity. Todas las grandes opciones. Estaba un poco perdido. '¿A dónde voy después?'
Necesitaba un currículum. Construí una pequeña base con Deep Learning Nanodegree, ahora era el momento de averiguar hacia dónde me dirigiría.
Mi auto-creado AI Masters Degree [1]
No pensaba volver a la universidad pronto. De todos modos, no tenía $ 100,000 para una maestría adecuada.
Así que hice lo que hice al principio. Pedí ayuda a mi mentor, Google.
Me lancé a un Aprendizaje Profundo sin ningún conocimiento previo del campo. En lugar de subir a la punta del iceberg de la IA, un helicóptero me había dejado en la cima.
Después de investigar un montón de cursos, puse una lista de los que más me interesaron en Trello.
Trello es mi asistente personal / coordinador del curso.
Sabía que los cursos en línea tenían una alta tasa de abandono escolar. No me iba a permitir ser parte de este número. Yo tenía una misión.
Para hacerme responsable, comencé a compartir mi viaje de aprendizaje en línea. Pensé que podría practicar comunicando lo que aprendí y encontrar a otras personas que estaban interesadas en las mismas cosas que yo. Mis amigos aún piensan que soy un extraterrestre cuando voy a una de mis aventuras de la IA.
Hice público el tablero de Trello y escribí una publicación de blog sobre mis esfuerzos.
El currículo ha cambiado ligeramente desde que lo escribí por primera vez, pero aún es relevante y visito la pizarra de Trello varias veces por semana para seguir mi progreso.
Conseguir un trabajo
Compré un boleto de avión a los EE. UU. Sin vuelo de regreso. Había estado estudiando durante un año y pensé que ya era hora de que empezara a poner mis habilidades en práctica.
Mi plan era ir a los Estados Unidos y ser contratado.
Luego Ashlee me envió un mensaje a LinkedIn, 'Oye, he visto tus publicaciones y son realmente geniales, creo que deberías conocer a Mike'.
Conocí a Mike.
Le conté mi historia de aprendizaje en línea, cómo me encantaba la tecnología de la salud y mis planes para ir a los Estados Unidos.
'Puede que sea mejor que te quedes aquí un año o así y veas lo que puedes encontrar, creo que te encantaría conocer a Cameron'.
Conocí a Cameron.
Tuvimos una charla similar de lo que Mike y yo hablamos. Salud, tecnología, aprendizaje en línea, Estados Unidos.
'Estamos trabajando en algunos problemas de salud, ¿por qué no vienes el jueves?'
Llegó el jueves y estaba nervioso. Pero una vez alguien me dijo que estar nervioso es lo mismo que estar emocionado. Me volteé para estar emocionado.
Pasé el día reuniéndome con el equipo de Max Kelsen y los problemas en los que estaban trabajando.
Dos jueves después, Nick, el CEO, Athon, ingeniero jefe de aprendizaje de máquinas, y yo, fuimos a tomar un café.
'¿Cómo te gustaría unirte al equipo?' Preguntó Nick.
'Claro', dije.
Mi vuelo a Estados Unidos se retrasó un par de meses, también tengo un boleto de regreso.
Compartiendo tu trabajo
Aprendiendo en línea, sabía que era poco convencional. Todos los roles que solicité tenían requisitos de maestría o al menos algún tipo de título técnico.
Yo no tuve ninguno de estos, pero tenía las habilidades que había reunido de una gran cantidad de cursos en línea.
En el camino, estaba compartiendo mi trabajo en línea. Mi GitHub contenía todos los proyectos que había hecho, mi LinkedIn estaba apilado y había practicado comunicando lo que había aprendido a través de YouTube y artículos en Medium.
Nunca entregué un currículum para Max Kelsen. 'Lo investigamos en LinkedIn y nos impresionó'. Mi trabajo fue mi currículum.
Independientemente de si estás aprendiendo en línea o a través de una maestría, tener un portafolio de lo que has trabajado es una excelente manera de desarrollar el aspecto del juego.
Las habilidades en ML y AI están en demanda, pero eso no significa que no tengas que mostrarlas. Incluso el mejor producto no se venderá sin ningún espacio en los estantes.
Ya sea GitHub, Kaggle, LinkedIn o un blog, tenga un lugar donde la gente pueda encontrarlo. Además, tener tu propio rincón de Internet es muy divertido.
Como empiezas
¿A dónde vas para aprender estas habilidades? ¿Qué cursos son los mejores?
No hay mejor respuesta. El camino de cada uno será diferente. Algunas personas aprenden mejor con libros, otras aprenden mejor a través de vídeos.
Lo que es más importante que cómo comienzas es por qué empiezas.
Comience con por qué.
¿Por qué quieres aprender estas habilidades?
¿Quieres hacer dinero?
¿Quieres construir cosas?
¿Quieres hacer una diferencia?
Una vez más, no hay razón correcta. Todas son válidas a su manera.
Comienza por qué, porque tener un por qué es más importante que cómo. Tener un por qué significa que cuando se pone difícil y se volverá difícil, tienes algo a lo que recurrir. Algo para recordarte por qué empezaste.
¿Tienes un por qué? Bueno. Tiempo para algunas habilidades difíciles.
Solo puedo recomendar lo que he intentado.
He completado los cursos de (en orden):
- Treehouse - Introducción a Python
- Udacity - Deep Learning & AI Nanodegree
- Coursera - Deep Learning por Andrew Ng
- fast.ai - Parte 1, pronto será la parte 2
Si eres un principiante absoluto, comienza con algunos cursos introductorios de Python y, cuando estés un poco más seguro, pasas a la Ciencia de la Información, el Aprendizaje Automático y la Inteligencia Artificial.
¿Cuántas matemáticas?
El nivel más alto de educación matemática que he tenido fue en la escuela secundaria. El resto lo he aprendido a través de la Academia Khan como lo he necesitado.
Hay muchas opiniones diferentes sobre la cantidad de matemáticas que necesitas saber para entrar en el Aprendizaje Automático y la Inteligencia Artificial. Voy a compartir la mia.
Si desea aplicar el Aprendizaje Automático y las técnicas de Inteligencia Artificial a un problema, no necesariamente necesita una comprensión profunda de las matemáticas para obtener un buen resultado. Las bibliotecas como TensorFlow y PyTorch permiten que alguien con un poco de experiencia en Python construya modelos de vanguardia, mientras que los cálculos matemáticos se resuelven entre bastidores.
Si está buscando profundizar en el Aprendizaje Automático y la investigación de la IA, a través de un programa de doctorado o algo similar, tener un conocimiento profundo de las matemáticas es primordial.
En mi caso, no busco profundizar en las matemáticas y mejorar el rendimiento de un algoritmo en un 10%. Eso se lo dejo a la gente más inteligente que yo. En cambio, estoy más que contento de usar las bibliotecas disponibles para mí y de manipularlas para ayudar a resolver los problemas que considere oportunos.
¿Qué hace realmente un ingeniero de Aprendizaje Automático?
Lo que hace un ingeniero de máquinas en la práctica podría no ser lo que piensas.
A pesar de las fotos de portada de muchos artículos en línea, no siempre implica trabajar con robots que tienen los ojos rojos.
Aquí hay algunas preguntas que un ingeniero de ML (Machine Learning) debe hacerse diariamente.
- Contexto: ¿Cómo se puede usar el ML para ayudar a aprender más sobre su problema?
- Datos - ¿Necesita más datos? ¿En qué forma debe estar? ¿Qué haces cuando faltan datos?
- Modelado - ¿Qué modelo debes usar? ¿Funciona demasiado bien en los datos (sobreajuste)? ¿O por qué no funciona muy bien?
- Producción - ¿Cómo puedes llevar tu modelo a la producción? ¿Debería ser un modelo en línea o debería actualizarse a intervalos de tiempo?
- En curso - ¿Qué pasa si tu modelo se rompe? ¿Cómo mejorarlo con más datos? ¿Hay una mejor manera de hacer las cosas?
Para más información, hice un vídeo de lo que solemos hacer los lunes en Max Kelsen.
No hay ruta establecida
No hay una manera correcta o incorrecta de ingresar al ML o a la IA.
Lo bello de este campo es que tenemos acceso a algunas de las mejores tecnologías del mundo, todo lo que tenemos que hacer es aprender a usarlas.
Podrías empezar por aprender el código de Python.
Podrías empezar estudiando cálculo y estadística.
Puedes comenzar aprendiendo sobre la filosofía de la toma de decisiones.
El Aprendizaje Automático y la IA me fascinan por esta intersección de campos.
Cuanto más aprendo sobre él, más me doy cuenta de que hay mucho más que aprender. Y esto me exageró.
A veces me frustro cuando mi código no se ejecuta. O no entiendo un concepto. Así que me rindo temporalmente. Me rindo dejando alejarme del problema y tomando una siesta. O dar un paseo. Cuando vuelvo, siento que lo estoy mirando con ojos diferentes. La emoción vuelve. Sigo aprendiendo.
Hay tantas cosas sucediendo en el campo que puede ser desalentador comenzar. Demasiadas opciones conducen a ninguna opción. Ignora esto.
Comienza donde más te interese y síguelo. Si conduce a un callejón sin salida, genial, has descubierto en qué no estás interesado. Vuelve sobre tus pasos y toma la otra bifurcación en el camino.
Comienza donde más te interese y síguelo. Si conduce a un callejón sin salida, genial, has descubierto en qué no estás interesado. Vuelve sobre tus pasos y toma la otra bifurcación en el camino.
Las computadoras son inteligentes pero todavía no pueden aprender por sí mismas. Ellas necesitan tu ayuda.
Notas al pie
Artículos relacionados:
Entradas
Everything is perfect with this work. The writer has managed to keep the article interesting while discussing some really serious points. This is not easily done. All the best. Best Hotels in Dubai
ResponderEliminar