Machine Learning es un campo que abre un sinfín de oportunidades. Seguramente tienes un poco de curiosidad por entender las herramientas y los sistemas con los que te relacionas a diario. Y precisamente por esa razón quieres empezar a aprender Machine Learning desde cero.
Así que, en esta publicación, voy a mostrarte cómo puedes empezar tu camino dentro de esta tecnología llamada Machine Learning, las habilidades que necesitas dominar y cómo publicar tus nuevas e impresionantes habilidades.
Por lo tanto, empecemos.
Paso 1 para aprender Machine Learning.
Aprender a programar
El primer paso es aprender a programar, este es un paso lógico para iniciarte en Machine Learning, debes aprender a codificar en algún tipo de lenguaje de programación.
Las aplicaciones de Machine Learning son básicamente software que se programa y se hace funcionar en las máquinas objetivo, agregándole una inteligencia similar a la humana para hacer observaciones, aprender y tomar decisiones. Y todo eso se tiene que hacer son algún tipo de lenguaje de programación.
Mi consejo es seleccionar un lenguaje de programación “popular” en lugar de un lenguaje menos popular por dos razones:
- Un lenguaje de programación popular te proporcionará muchas herramientas y librerías de Inteligencia Artificial ya hechas, que son de alta calidad y funcionarán con casi cualquier proyecto.
- Un lenguaje popular también puede tener la ventaja de destacar en términos de rendimiento, ya que sus desarrolladores han tenido tiempo de ajustarlos lo suficiente.
De acuerdo a esto, algunos de los lenguajes de programación más populares para Machine Learning son Python, R, C++ y Java.
El punto aquí es elegir solo un lenguaje de programación y empezar.
No intentes dominar el lenguaje de principio a fin, y en ningún momento intentes memorizar todos los comandos y funciones del lenguaje, ya que esto es completamente innecesario y te tomaría mucho tiempo.
Lo que debes aprender, es la lógica de cómo se desarrolla un programa utilizando ese lenguaje de programación y cómo se programa dentro de él. Al final puedes intentar desarrollar programas pequeños que se te vengan a la mente, de esa forma podrás saber si has entendido lo que aprendiste.
No te enfoques mucho en este punto, a medida que vayas desarrollando proyectos de Mchine Learning podrás ir puliendo tus habilidades en la programación, lo importante acá es que conozcas lo básico del lenguaje que hayas seleccionado.
Paso 2 para aprender Machine Learning.
Aprender matemáticas
Aunque con está guía no te vas a convertir en investigador de Machine Learning, es necesario conocer un poco de matemáticas.
Desde mi experiencia en el desarrollo de proyectos de Machine Learning, una base adecuada en álgebra lineal y cálculo es crucial. La razón es que para trabajar con algoritmos de Machine Learning es necesario saber sobre álgebra. Además, entrenar redes neuronales requiere una buena dosis de conocimientos de cálculo.
Probablemente, ya estos conocimientos los tienes, sobretodo si eres ingeniero de algún área, pero si no es así, es bueno aprenderlos o refrescarlo con algún curso básico de está área. Sería maravilloso que encontrarás alguno enfocado en Machine Learning ya que estarías aprendiendo lo que realmente vas a utilizar.
Acá te dejo un curso de álgebra lineal que seguramente será de ayuda
Recuerda no debes dominar el álgebra y el cálculo a la perfección antes de empezar con Machine Learning desde cero. Pero sí necesitas al menos una comprensión adecuada de los fundamentos para empezar.
Además de estos temas, también te sugeriría repasar un poco la memoria con algún tutorial de probabilidad y estadística.
Paso 3 para aprender Machine Learning.
Selecciona el área en que te quieres enfocar
En este punto ya tienes los conocimientos de matemáticas y estadística. También has aprendido un lenguaje de programación y estás deseando empezar a desarrollar algunas aplicaciones de Inteligencia Artificial. Pero antes de eso tienes que tomar una decisión para poder continuar.
Recuerda que Machine Learning es un área que forma parte de la Inteligencia Artificial y es una disciplina muy amplia que atraviesa otras ciencias interdisciplinarias, por lo que no puedes pensar que vas a cubrir todas las áreas.
Así que el siguiente paso para aprender Machine Learning desde cero en 2022 es elegir en qué rama de Machine Learning quieres enfocarte.
Es normal que cuando se quiere empezar en Machine Learning no se tenga un enfoque definido o un objetivo en particular, y se empieza a estudiar de forma desorganizada, esto lo que provoca es un agotamiento y desesperación. Por lo que es muy importante este paso.
Para encontrar ese enfoque es bueno conocer las tecnologías que están relacionadas a Machine Learning, incluyendo ella misma. Estas tecnologías tienen diferentes capacidades, y puede darte una idea en qué debes centrar tu atención para aprender. Cuanto mejor seas en una de estas tecnologías, más fácil será ramificarte en las demás.
La lista a continuación no es exhaustiva, aún hay un montón de tecnologías y disciplinas con sus propias ramas de estudio de matemáticas e ingeniería. Pero estas son las más relevantes que recomiendo a un principiante que se adentra en está área.
- Machine Learning: esta es la rama de la Inteligencia Artificial que tiene como objetivo construir máquinas que puedan aprender de los datos, identificar patrones y tomar decisiones sin intervención humana. Es la base de la mayoría de las aplicaciones comerciales de la Inteligencia Artificial.
- Deep Learning: es una rama de Machine Learning que se centra en entrenar a un computador para que realice predicciones mediante la implementación de algoritmos que utilizan redes neuronales artificiales.
- Procesamiento del Lenguaje Natural: es una rama de la Inteligencia Artificial que enseña a los computadores a entender, interpretar y manipular el lenguaje humano mediante el uso de análisis de texto para analizar las estructuras de las frases, las interpretaciones y las intenciones.
- Visión por computador: en esta rama de la Inteligencia Artificial se entrena a los computadores para que interpreten y comprendan el mundo visual.
Estas son solo algunas áreas en las que te puedes enfocar, por lo que si eres completamente principiante y quieres aprender Inteligencia Artificial desde cero, te puedes hacer una idea en qué podrías centrarte en este punto.
En mi opinión personal, yo te recomendaría comenzar con Machine Learning de esa forma puedes comenzar con la base de todas y luego continues con el área que más te llame la atención.
Paso 4 para aprender Machine Learning.
Haz un curso
Hoy en día, hay una tonelada de materiales de aprendizaje disponibles de forma gratuita que podrían ayudarte a perfeccionar cualquier habilidad particular en Machine Learning.
Pero esta cantidad de opciones también viene con el agobio, ya que no sabes qué material es el mejor para ti y tienes miedo de perder el tiempo. Pero como ya, en el paso anterior, has encontrado el enfoque, es más fácil reducir la búsqueda de materiales de aprendizaje al tipo que se dirige a la tecnología que quieres aprender de Machine Learning.
Puedes utilizar libros, videotutoriales en línea, especialmente en Youtube. Vas a encontrar mucha información sobre estos temas, en especialmente en inglés, pero si no te sientes cómodo con este idioma trata de buscar en español.
Por ejemplo, en AprendeIA puedes encontrar información que te ayudará en tu aprendizaje. Inclusive si elegiste enfocarte en Machine Learning te dejo el enlace de un curso introductorio con Python sobre este tema.
Prueba todos los tutoriales que encuentres hasta que encuentres el instructor y el programa de enseñanza que más te agrade.
Lo importante es que selecciones un curso y lo sigues rigurosamente hasta el final. No cambies de tutorial entre un aprendizaje y otro porque sufrirás una sobrecarga de información.
Tu principal objetivo acá es absorber o empaparte de toda la teoría y los conocimientos posibles sobre Machine Learning.
Probablemente encuentres dos tipos de tutoriales:
- Los que profundizan en la teoría de Machine Learning y las mejores prácticas sin ningún aspecto práctico, es decir no vas a escribir ningún código.
- Los que están repletos de prácticas y ejercicios de codificación. Estos son los que realmente implementan algoritmos, los alimentan con datos y ven el resultado y lo optimizan.
Te recomiendo comenzar con los primeros para que entiendas de manera teórica de qué se tratan los algoritmos y los aspectos más importantes que tienes que tomar en cuenta al momento de desarrollarlos. Seguidamente puedes seguir con el siguiente tipo de tutoriales para que puedas poner en practica lo que aprendiste en la teoría. Lo importante acá es que desarrolles, junto al instructor, cada uno de los ejercicios prácticos, de esa manera puedes asegurarte de que realmente has entendido los conceptos.
Paso 5 para aprender Machine Learning. Construye un proyecto
En este punto ya has aprendido a encontrar los mejores tutoriales que realmente te ayudarán a aprender tanto la teoría como la parte práctica de Machine Learning.
Ahora te toca trabajar en la parte más divertida, aunque difícil, que es la de construir tus propios modelos y aplicaciones, esta vez por tu cuenta sin la ayuda del instructor.
Los proyectos que desarrolles en este punto serán tu carta de presentación o portafolio que te servirá posteriormente para mostrar todos tus conocimientos. Con estos proyectos te darán la oportunidad de demostrar lo que eres capaz de hacer durante una entrevista, si es que así lo deseas.
Aquí tienes algunos consejos que te ayudarán en la construcción de un desarrollo de Machine Learning:
- Empieza por resolver un problema sencillo y fácil. Con este puedes experimentar con diferentes enfoques para aprovechar el poder de la toma de decisiones con diferentes algoritmos.
- Optimiza tu solución básica mediante la experimentación. Así que, básicamente, actualiza varios componentes mientras controlas los resultados para encontrar cuál es la solución más rápida.
- Recuerda que todo esto debe ser gradual. Empieza utilizando algoritmos sencillos y luego complícalos gradualmente a medida que te sientas cómodo.
Algunas ideas de proyectos de Machine Learning básicos con los que puedes empezar son:
Recuerda que para cada uno de los proyectos deberás necesitar datos y, en ocasiones, muchos datos por lo que tienes que tomar en cuenta al momento de seleccionar los proyectos que desarrollarás. De todas formas, existen varias plataformas en donde puedes encontrar datos y, en caso extremo, los puedes generar tu mismo.
Paso 6 para aprender Machine Learning. Desplegar y competir
Cuando llegues a este paso, ya tienes una Machine Learning que está lista para compartir con los demás.
Para compartir tu código lo puedes hacer a través de Github o a través de una página web en donde muestres todo el proceso que te llevo la construcción del mismo y mostrando las conclusiones que obtuviste.
Pero, es muy probable, que hayas estado trabajando en tus propios problemas y que los hayas identificado y resuelto. Pero esto podría tener algún sesgo para una serie de razones:
- Puede que hayas elegido problemas fáciles que no te desafíen lo suficiente.
- En el mundo real no puedes elegir el tipo de implementación de Machine Learning que quieres que una empresa construya. Ellos deciden lo que quieren y luego te traen a bordo.
- Si vas a trabajar para una empresa, lo más probable es que te incorpores a un equipo. Pero todo lo que has aprendido hasta ahora no te ha enseña como es trabajar de manera colaborativa en equipo y la diferenciación de puestos.
Una forma de afrontar esto es que te unas a competencias basadas en proyectos de Machine Learning, en donde puedes trabajar con otros desarrolladores y compartir experiencias y conocimientos.
La mejor manera de empezar con esto es unirse a una competición utilizando la plataforma de Kaggle.
Esto te dará la oportunidad de poner a prueba varios enfoques para encontrar las soluciones más adecuadas para los retos del proyecto de la competición, así como consigues aprender habilidades de colaboración en equipo.
También podrás establecer una red de contactos y conocerás a otras personas que podrían ser clave para ayudarte a avanzar en tu carrera.
Durante todo este proceso, bien sea desarrollando tus proyectos o participando en una competencia podrás aprender a hacer preguntas en el campo de Machine Learning, dónde hacerlas, cómo compartir tus ideas y cómo mantenerte al día de los últimos avances en Machine Learning. Esto es fundamental porque está área esta en constante evolución.
Y un plus de competir dentro de Kaggle, es que podrás ganar dinero en los concursos que se abren dentro de la plataforma.
Paso 7 para aprender Machine Learning. Buscar trabajo
Este paso es opcional, ya depende del objetivo que quieras cumplir al momento de empezar a estudiar Machine Learning. Pero si tu objetivo es encontrar un nuevo trabajo, este paso es para ti.
Si has pasado por los pasos anteriores, y los has cumplido a cabalidad, estas listo para buscar trabajo dentro de está área.
Seguramente estás síndrome del impostor porque piensas que aún te falta muchas cosas que aprender sobre Machine Learning, esto es algo normal dentro de la industria. En este punto ya has aprendido a codificar, has construido desarrollos dentro de Machine Learning, pero como nunca has trabajado realmente en un entorno o en un desarrollo real de cara al cliente, de alguna manera te sientes inadecuado. Como si tus habilidades fueran todavía muy deficientes.
Pero la única manera de deshacerte de esto es conseguir un trabajo real y trabajar, y luego, por supuesto, trabajar un poco más.
Ahora bien, aquí es donde la mayoría de los desarrolladores de Machine Learning se topan con un muro y se frustran.
A pesar de que los ingenieros de Machine Learning tienen una gran demanda, conseguir un trabajo en este sector sigue siendo competitivo y requiere una estrategia. Por lo que aquí te dejo una estrategia rápida que puede ayudarte a conseguir tu primer trabajo en Machine Learning:
- Publica tus proyectos en GitHub: los responsables de la contratación quieren ver tu código y los proyectos que has trabajado, por lo que tienes que asegurarte de que todos tus proyectos estén disponibles públicamente.
- Crea un perfil en LinkedIn: LinkedIn es una plataforma de redes profesionales a la que la mayoría de los directores de contratación acuden en primer lugar, cuando buscan contratar a alguien. Mejora tu perfil, asegurándote de mencionar y enlazar tus proyectos de GitHub desde allí.
- Escribe un blog sobre Machine Learning: después de aprender sobre programación, matemáticas y desarrollos de modelos, seguramente tienes algo que comentar sobre Machine Learning y el área que hayas seleccionado. Publica esa información en algún portal web, probablemente un lector podría ser tu futuro jefe.
- Participa en conferencias: otra forma de establecer una red de contactos y dar a conocer tus habilidades es participar en encuentros o charlas relacionadas con Machine Learning. Si participas activamente en estos grupos, conseguirás que se fijen en ti.
- Solicitar puestos de trabajo en Machine Learning: además de buscar trabajo de manera pasiva, también lo tienes que hacer de manera activa, por lo que puedes buscar ofertas de trabajo y aplicar y ver qué sale de ahí.
- Proponer optimizar un proceso utilizando Machine Learning dentro de tu lugar de trabajo: en caso de que ya estés trabajando puedes proponer optimizar o mejorar algún proceso utilizando está tecnología, no está demás comentar, entre tus mismos compañeros, tus nuevas habilidades y proponer proyectos que puedan ayudar a la empresa.
Por supuesto, no es necesario hacer cada una de estas estrategias para conseguir trabajo, puedes seleccionar con las que te sientas más cómodo, pero acá te he dado algunas opciones que puedes tomar en cuenta.
Toda esta guía es de gran ayuda si lo que buscas es aprender Machine Learning desde cero, te proporciona un plan a seguir para que puedas tener una carrera exitosa en la Inteligencia Artificial. Aunque recuerda, este es solo un método que puedes seguir, lo importante es que empieces, no importa desde dónde.
Si te llamo la atención todo este contenido y te animaste a empezar a estudiar Inteligencia Artificial, he desarrollado un curso que te ayudará, de igual forma a iniciar tu camino dentro de está tecnología. Este curso te sentará las bases y te dará más claridad para poder seleccionar el enfoque o área que más te interese sobre la Inteligencia Artificial, de igual forma te ayudará tener más claridad en muchos conceptos que seguramente en estos momentos te parece confusos. Este curso es ideal si apenas estás empezando. Si quieres más información puedes ingresar a este enlace.
