Portafolio de proyectos de Machine Learning
Ya debes conocer la importancia que tiene trabajar en algún área de la Inteligencia Artificial ahora, la pregunta que seguramente te estás haciendo ¿cómo encontrar un trabajo dentro de esa área?
Obviamente, y lo principal, es tener conocimientos bases sobre esa área, ya con eso haz ganado bastante terreno. El siguiente paso es buscar la forma de mostrar a tus posibles empleadores esos conocimientos que tienes y es, precisamente, allí donde entra el desarrollo de un portafolio de proyectos de Machine Learning.
Importancia del portafolio en Machine Learning
En ocasiones algunas personas pueden tener las habilidades requeridas para conseguir un trabajo, pero no un portafolio. Mientras que un currículo o una hoja de vida es importante, tener un portafolio de evidencia pública de tus habilidades en Machine Learning o cualquier área de la Inteligencia Artificial puede hacer maravillas para tus perspectivas de trabajo. Incluso si tienes alguna referencia, la capacidad de mostrar a los empleadores potenciales lo que puedes hacer en lugar de simplemente decirles que puedes hacer algo es importante.
Para tener claro el concepto, para nuestro propósito un portafolio es una evidencia pública de tus habilidades de Machine Learning o del área específica de la Inteligencia Artificial que quieras mostrar.
La buena noticia, es que los portafolios están totalmente bajo tu control y si pones un poco de esfuerzo y trabajo puedes desarrollar un gran portafolio que impresione a las empresas.
¿Qué debes demostrar en un portafolio de Machine Learning?
En el portafolio debes mostrar todas las habilidades de lo que eres capaz de desarrollar. Esto es lo primero que las empresas ven al momento de revisar tu portafolio, por lo que es adecuado que demuestres lo siguiente:
- Capacidad de comunicar
- Habilidad para colaborar con otros
- Competencia técnica
- Capacidad de razonar sobre los datos
- Motivación y capacidad para tomar la iniciativa
Obviamente demostrar cada uno de estos puntos es un poco difícil en un solo proyecto, por lo que los portafolios siempre están compuestos de múltiples proyectos, en donde cada uno puedes demostrar 1 o 2 puntos de los anteriores.
Sabiendo todo esto, hay algunas pautas que debes considerar al momento de desarrollar tu portafolio de proyectos, acá solamente te voy a mencionar algunas de ellas, las más importantes, las cuales debes considerar.
Demostrar que sabes lo que estás haciendo
Así que la idea es mostrarle al reclutador que eres capaz de realizar los aspectos críticos de Machine Learning o cualquier área de la Inteligencia Artificial, es decir, importar un conjunto de datos, limpiar los datos, extraer información útil de los datos utilizando varias técnicas y, finalmente, visualizar los hallazgos y comunicarlos. Aparte de las habilidades técnicas, también se esperan algunas habilidades sociales. Por ejemplo, la capacidad de comunicarse y colaborar con otros, la capacidad de razonar y tomar la iniciativa cuando sea necesario. Si tu proyecto es realmente capaz de comunicar estas cosas, has conseguido el trabajo.
Mantente enfocado y sé específico
Puede que sepas mucho, pero en lugar de poner todas tus habilidades, proyectos y conocimientos en la cara del empleador, siempre es mejor concentrarse en hacer algo y hacerlo bien. Tal como lo haría en tu hoja de vida o currículo, manteniendo las cosas cortas, también puedes implementar esto mientras construyes tu portafolio. Siempre recuerda, el entrevistador está buscando habilidades específicas.
Investigar el mercado laboral
Encuentra 5-6 trabajos que te interesen y revisa sus descripciones a fondo. Entender qué tipo de habilidades está buscando el empleador. Por ejemplo, podrías ser clasificación, Machine Learning, modelado estadístico o regresión. Recoge las herramientas necesarias para el trabajo, por ejemplo, Python R, TensorFlow, o cualquier otra cosa que pueda hacer el trabajo. Si no sabes cómo usar una herramienta, puedes aprender a trabajarla a través de los proyectos. También identifica el tipo de datos en los que te gustaría estar trabajando, como texto o números. Ahora, una vez que tengas esta información a mano, comienza a construir tu proyecto alrededor de estas habilidades y herramientas.
Ser solucionador de problemas
Trabajar en proyectos que no son problemas reales que estas resolviendo, no destacarán en tu portafolio. Cuanto más cerca estén tus proyectos del mundo real, más fácil será para el reclutador tomar la decisión de elegirte. Esto también mostrará tus habilidades analíticas y cómo ha aplicado la Inteligencia Artificial para resolver un problema predominante.
Cantidad de proyectos en el portafolio
Una buena manera de crear un portafolio es listar 3 buenos proyectos que son de naturaleza diversa.
Limpieza y discusión de datos
La limpieza de datos es una de las tareas más críticas. Al tomar un grupo de conjuntos de datos diversos, consolidarlos y darles sentido, le das al reclutador la confianza de que sabes cómo prepararlos para el análisis. Por ejemplo, puedes tomar datos de Twitter y limpiarlos para analizarlos. El proceso es bastante simple, primero se encuentra un conjunto de datos sucios, luego se detecta un ángulo interesante para abordar los datos, limpiarlos y realizar un análisis de los mismos, y finalmente se presentan los resultados.
Narración de datos
La narración de datos no solo muestra tu capacidad para obtener información a partir de datos en bruto, sino que también revela lo bien que eres capaz de transmitirla a los demás y persuadirlos. Por ejemplo, puedes utilizar los datos del sistema de buses de tu país y recolectar información para identificar las paradas que sufren más retrasos. Esto podría solucionarse cambiando la ruta. Asegúrate que el análisis sea descriptivo y de que el código y la lógica puedan ser seguidos.
Para hacer todo este procedimiento lo que se debe hacer es: primero se encuentra un buen conjunto de datos, luego se exploran los datos y se detectan las correlaciones en los mismos. Luego lo visualizas antes de empezar a escribir tu narrativa. Aborda los datos desde varios ángulos y coge el más interesante. Si es interesante para ti, lo más probable es que sea interesante para cualquier otra persona que lo esté revisando. Divide y explica cada paso en detalle, cada fragmento de código, como si se lo estuvieras describiendo a un amigo. La idea es enseñarle al revisor algo nuevo a medida que se realiza el análisis.
Proyectos de principio a fin
Si te gusta Machine Learning o la escritura de algoritmos, deberías realizar un proyecto de extremo a extremo. El proyecto debe ser capaz de recoger datos, procesarlos y, finalmente, aprender de ellos en cada paso del camino. Por ejemplo, puedes obtener datos de precios de combustibles para tu ciudad o tal vez datos del mercado de valores. Los datos deben ser dinámicos y actualizados regularmente. El truco para este es mantener el código simple para que sea fácil de configurar y ejecutar.
Primero necesitas identificar un buen tema. Seguidamente importa los datos y analízalos. A continuación, prepara la capacitación y los datos de prueba para hacer predicciones. Documenta tu código y otros hallazgos.
Estos son solo algunas de las características que debes tener en tú portafolio de proyectos, ahora bien, también debes demostrar que tienes las habilidades y herramientas técnicas adecuadas para hacerlo, acá te explico algunas de ellas que debes mostrar en tu portafolio:
Lenguajes de programación
Hay un número de lenguajes clave en las áreas de la Inteligencia Artificial que son esenciales. Puede parecer obvio, pero es increíblemente importante asegurarte de estén en tu hoja de vida y que se muestren en tu portafolio.
Grandes herramientas de datos
Si están solicitando grandes roles de datos, es imprescindibles que demuestres tu experiencia con las tecnologías claves. No solo demuestra que tienes las habilidades, sino que también demuestra que eres consciente de las herramientas que se pueden utilizar para construir una solución de datos o un proyecto de gran envergadura.
Marcos de Machine Learning
Como Machine Learning es tan solicitado, puedes demostrar que has utilizado varios marcos de algoritmos. Recuerda, muchas organizaciones no sabrán tanto sobre Machine Learning como tu crees. De hecho, es posible que incluso te están contratando con el fin de desarrollar esta capacidad.
Herramientas de visualización de datos
La visualización de datos es un componente crucial de cualquier proyecto de la Inteligencia Artificial. Si puedes visualizar y comunicar datos de manera efectiva, estás demostrando inmediatamente que eres capaz de colaborar con otros y hacer que tus conocimientos sean accesible y útiles para el negocio en general.
De Fácil Acceso
El portafolio debe estar disponible en línea para que todos lo vean. Cuantas más personas lo encuentren, lo lean y lo comenten, será mucho mejor. Esto no es solamente útil para que futuros empleadores lo encuentren, sino que también puedes obtener excelentes comentarios de tus proyectos. La forma más sencilla de hacer esto es simplemente alojar todo en un repositorio de git con ReadMe bastante completo.
¿Qué tipo de proyectos colocar en un portafolio de Machine Learning?
Ya conoces la importancia de tener un portafolio con todos los proyectos de Machine Learning, sobretodo si no cuentas con una educación formal en esta área o alguna experiencia. Ahora veamos cuales son las pautas que debes considerar para armarlo.
Mantener Proyectos Pequeños
El tamaño importa en un portafolio, mientras que un proyecto importante es llamativo, conlleva riesgos y costos. Por lo que es probable que un proyecto pequeño no tarde más de 20 a 40 horas en completarse, y si no funciona, su pérdida es mucho menor que un período de tiempo de varios meses en el que se pueden convertir algunos proyectos grandes.
Proyectos Completos
Lo único peor que no tener un portafolio es tener uno lleno de proyectos a medio hacer. Esto le grita al mundo que no eres capaz de terminar lo que empezaste y que debes evitarlo a toda costa.
Proyectos Variados
Machine Learning se puede aplicar a casi todos los campos, y debes mostrar esto en tu portafolio, por lo que debes completar proyectos con distintas temáticas para demostrar tus capacidades. En caso de que conozcas exactamente el campo en que quieras mejorar y desarrollar tu experiencia puedas ignorar este punto.
Nuevos Proyectos
Este es un error que se comete sobretodo en estudiantes, y es el de colocar los ejercicios desarrollados en los tutoriales de Machine Learning. Puedes seguir tutoriales para aprender pero tiene mucho más valor completar proyectos novedosos de principio a fin, de esta forma es cómo aprender de verdad.
En resumen, un portafolio en línea es clave para cualquiera que trabaje en el mundo de la Inteligencia Artificial, porque es la mejor manera de mostrar a los empleadores evidencia de tu conjunto de habilidades, ya sea tu destreza con Python o tu habilidad para el modelado de datos.
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.
