Cómo se obtiene una educación en inteligencia artificial sigue siendo un área que vale la pena explorar, con muchas opciones disponibles. La carrera de una persona como miembro de un equipo recién formado que trabaja en el uso de la IA en los negocios se combina mejor con la creatividad y la paciencia.
La misión es tanto aprender cómo las organizaciones están sintonizadas con el desarrollo de la IA como saber qué es lo que realmente quieres hacer. La experiencia de un maquinista veterano puede ser una guía oportuna para muchos en este contexto.
Daniel Burke es un emprendedor que dirige un sitio de YouTube y escribe sobre tecnología. Trabajó durante varios años como ingeniero mecánico para una empresa en Brisbane, Australia. Según su página de LinkedIn, ayudó a obtener un título de nanogrado en Inteligencia Artificial y Fundamentos de Aprendizaje Profundo de Udacity, así como un curso de aprendizaje profundo de Coursera. También ha enseñado código a jóvenes, ha creado un chatbot de IA llamado MoveMore para estimular la actividad y ha trabajado como conductor de Uber.
Hoy, imparte un curso de aprendizaje automático diseñado para principiantes a más de 30.000 estudiantes. Al escribir sobre sus experiencias durante los últimos tres años en una cuenta reciente en TheNextWeb, ofreció algunos consejos para cualquiera que comience una carrera en inteligencia artificial y aprendizaje automático. “Debido a varios contratiempos, me tomó cinco años obtener mi título de tres años”, dijo. "Entonces, en este punto, siento que obtuve una licenciatura en aprendizaje automático".
La gente puede tener la impresión de que Burke es ahora un experto. "Sé mucho más de lo que comencé, pero también sé cuánto no sé", afirmó.
Su consejo sobre los cursos online: “Son todos remixes de lo mismo. En lugar de preocuparse por qué curso es mejor que otro, busque un profesor que lo entusiasme ". Aprender cualquier cosa es el 10% del material y el 90% es la alegría de aprender ".
Sugiere estudiar ingeniería de software antes del aprendizaje automático: “Porque el aprendizaje automático es un problema de infraestructura (infraestructura significa todo lo que sucede alrededor de su modelo para que otros puedan usarlo, y el nuevo término al que querrá prestar atención es MLOps). Y la implementación, como poner sus modelos en manos de otros, es un desafío ". Pero es por eso que tuve que pasar más tiempo allí ". (Nota del editor: MLOps se refiere a operaciones de aprendizaje automático, una práctica de colaboración entre científicos de datos y profesionales de operaciones para ayudar a administrar el aprendizaje automático de la producción).
"Si comenzara de nuevo hoy, encontraría una manera de implementar cada modelo medio decente que construya (excepto por docenas de experimentos que conducen a algo que vale la pena compartir)".
A continuación se explica cómo hacerlo: "Entrene un modelo, cree una aplicación externa a su alrededor usando Streamlit, haga que la aplicación se ejecute localmente (en su computadora), una vez que funcione, empaquete la aplicación con Docker, luego implemente el contenedor Docker en Heroku u otro proveedor de nube.
La implementación de modelos le permite aprender cosas que de otro modo no consideraría. Te permite responder estas preguntas:
“¿Cuánto tiempo se tarda en inferir (el tiempo que le toma a su modelo hacer una predicción)?
¿Cómo interactúan las personas con él (tal vez los datos que envían a su clasificador de imágenes son diferentes de su conjunto de prueba, los datos en el mundo real cambian con frecuencia)?
¿Alguien realmente lo usará? "
Los cursos ayudan a desarrollar habilidades fundamentales; Las experiencias te ayudan a recordarlas, sugiere, y señala que ordenó el libro “Matemáticas para el aprendizaje automático” y planeaba leerlo de cabo a rabo.
