El machine learning es la carrera del futuro, y con el paso del tiempo solo más empresas van a adoptarlo de manera exitosa. Pero la realidad es que la mayor parte del valor está en los datos tabulares, y los asombrosos productos del mercado que vemos en las noticias estarán lejos de nuestro alcance o nuestro enfoque
Tienes mucha razón, estudié un posgrado y aprendí un poco de ML, me di cuenta de para realmente crear IA innovadora necesitas ser muy bueno creando modelos matemáticos y tener acceso a grandes cantidades de datos, muy necesario ser investigador con doctorado, además de estar publicando artículos científicos. Para la industria esto es muy complicado de costear.
Es cierto. Esta industria cierra las puertas a muchos de los que no tenemos las oportunidades económicas para costear largas carreras. Esto es especialmente visible en América latina donde el estudio tanto de maestría como de doctorado pueden ser bastante costosos. En cambio, en Europa los estudiantes de doctorado reciben un salario como investigadores facilitando mucho más el acceso a la formación. Es triste que la inteligencia artificial y el machine learning sean de tan difícil acceso.
Yo pienso que el ML fue creado para realizar tareas de humanos de manera automatica, como indicas en el minuto 4:11 estos datos de entrenamiento es importante para generar el modelo predictivo, y sinceramente desde mi perspectiva, no es un trabajo para cualquier persona.
Ricardo, espero que me puedas responder... Que tanto puede hacer un data Engineer en la automatización del flujo de datos empresarial? Es el enfoque correcto? O es mejor un sysadmin, o in creador de Sistemas de Gestión Integrados... Hablo con enfoque a micro y medianas empresas...
Excelente pregunta. Yo trabaje en muchas corporaciones para los procesos de DataOps o automatización en la ingestión, normalización en industrialización de datos. Este trabajo esta usualmente en las manos de los equipos de ingeniería de datos, que trabajan directamente sobre las bases de datos de los sistemas de gestión, ya sea a través de APIs, o usando drivers para ese propósito. Los ingenieros eran expertos no solo en programación, sino en redes e infraestructura. Estos equipos de ingeniería usan herramientas como Azure Data Factory, AWS Glue o Apache Airflow para cargar los datos, clusters de spark para transformarlos, y bodegas de datos para industrializarlos. Yo hablo un poco de eso en mi video de ingeniería de datos.
@@RicardoSantosDiaz Perfecto, no me llegó la notificación de tu respuestas, pero me alegra mucho poder leerla y más cuando tengo un proyecto algo grande a cargo, definitivamente ser Data Engineer es complejo, más cuando en particular me gustaría desde ya implementar una política de flujos de datos configurada de punta (obtención) hasta uno final... Y espero conseguirlo, gracias
El CEO de Open IA, a raiz de lanzar Chat GPT dijo que el Futuro de las IAS, son las Especializadas en un sector Especifico, ahy esta el bussinnes. Una sola IA, que lo tengo todo es Tecnicamente Super Complejo, ademas de Ineficiente.
Y otra pregunta yo quería estudiar ingeniería mecánica pero después quise ingeniería en sistemas pero me sigue gustando ingeniería mecánica hasi me dijiste que en la ingeniería en sistemas puedes trabajar en cualquier empresa mi pregunta es en la ingeniería en sistemas ay una especialidad que sea cercana a la ingeniería mecánica?????
En cuanto a tu primera pregunta, son muchas las especializaciones de un ingeniero de sistemas: redes, infraestructura, operaciones, web frontend, web backend, aplicaciones móviles, dispositivos inteligentes, inteligencia artificial, ingeniería de datos, administración de proyectos, etc. Son muchísimas las opciones que tienes. En cuanto a la segunda pregunta, podrías trabajar en temas relacionados con robótica, mecatrónica, líneas de producción, entre muchos otros que hacen uso de las capacidades de un ingeniero mecánico.
Buen analisis, lo mas hermoso que he encontrado en ese material es el esfuerzo academico que hay detras, como los cursos de edx y coursera. Saca un analisis de Blockchain
Es real... Quienes manejan y quieren trabajar con Machine Learning sin tener un amplio background matemático... Tienen que aprender fundamentos y luego a usarlo, saber usar modelos ya creados... No crear modelos, pues esto toma mucho tiempo, matemática y conocimiento
Es cierto. El conocimiento teórico para poder aplicar correctamente machine learning es bastante amplio y se debe hacer un deep dive en la matemática y estadística aplicada para medianamente entender como los modelos se comportan sobre los conjuntos de datos. Existen casos de uso donde los modelos son estáticos y se hace un enfoque más fuerte en los datos, como sucede con los boosted trees, pero el conocimiento especializado nunca sobra
Hola, me encanta lo que haces pero no estoy de acuerdo. Bueno tal vez para grandes empresas el doctorado si o si sea necesario. Pero a largo plazo todos vamos a tener que conocer lo básico de IA y lo básico será el entrenamiento de redes neuronales.
Infortunadamente, esa es la realidad en Europa. Lamento no contar con más información de otras geografías. Asumo yo, puesto que la educación de posgrado es gratuita y los puestos en investigación son bastante comunes en la unión europea, el doctorado se tornó la norma en puestos de desarrollo de modelos de machine learning. Existen otros cargos como ingenieros de machine learning que son menos exigentes, pero el desarrollo de modelos y tecnologías suele ser reservado para investigadores con publicaciones científicas y doctorado
Hola, No creo que sea necesario tener un doctorado ni varios articulos cientificos publicados para trabajar en DeepMind, OpenAI, etc. DeepMind paga mis estudios de maestría gracias a su programa de becas, conozco varias personas sin doctorado trabajando con ellos, algunos de ellos solo tienen el pregrado. Lo aclaro por si alguna persona que escucho tu video se siente desmotivado al escucharte decir que los requisitos para entrar son muy dificiles de conseguir.
¡Primero que todo te felicito por esa excelente oportunidad que lograste! Que genial que estes haciendo tu maestría patrocinada por tan excelente empresa. En cuanto al doctorado, actualmente desde mi ubicación geográfica en Alemania, el requerimiento de doctorado es consistente en casi todas las ofertas disponibles en LinkedIn (www.linkedin.com/jobs/search/?currentJobId=3225333234&geoId=101282230&keywords=machine%20learning%20scientist&location=Germany&refresh=true). Supongo que está situación se da debido a la gratuidad de la educación en posgrados en Europa. Esto infortunadamente crea una nueva capa de complejidad para que podamos aspirar a estas posiciones. Infortunadamente, no todos tenemos la oportunidad económica, las calificaciones, o las circunstancias correctas para continuar nuestra educación con posgrados y muchas de estas posiciones son imposibles de alcanzar. Igualmente quiero enfatizar fuertemente, mi intención no es desanimar a la gente, pero si ser honesto con los retos a los que van a enfrentarse cuando quieran buscar un trabajo en esta industria.
Chavón, me haces acordar a ese director de IBM que decía que iban a haber 500 computadoras en todo el mundo y que iban a costar millones de dólares cada una... Es una tecnología nueva y como todo, por el momento solo los ricos y poderosos tienen acceso, pero eso en muy poco tiempo va a empezar a cambiar, si hoy empezas una carrera de machine learning, en 5 o 6 años cuando la termines ya vas a tener esta tecnología mucho mas democratizada y difundida... Y respecto a los datos, por ahora son privados, no falta mucho para que las generaciones futuras dejen de ver las cosas que publican en redes como cosas privadas o intimas... el sentido de la intimidad se esta perdiendo, ya nuestros hijos no lo van a entender... como nuestros abuelos no pueden entender hoy lo que es una red social por ejemplo...
Entiendo tu perspectiva y es cierto que conforme se va mejorando el hardware y el poder de cómputo local nosotros, el público general, vamos a tener maneras de acceder a estos algoritmos. Pero cuando eso suceda, los gigantes informáticos van a tener modelos más nuevos y sorprendentes a los que nuevamente no tendremos acceso. La privatización de la inteligencía artificial es tristemente una realidad, y una gran señal de este triste problema, es como las más grandes universidades están perdiendo sus académicos para recibir pagos millonarios en compañías como Google y Microsoft. Todo ese conocimiento, artículos científicos y código que solían generar de manera abierta, queda ahora en manos de patentes y compañías privadas. Y la verdad no es que no crea en el futuro de la inteligencía artificial, todo lo contrario, me emociona leer de ella y tengo una perspectiva positiva del futuro. El problema es que es bastante desalentador el estado actual de esta rama.
Actualmente me desempeño como manager de ingeniería en una multinacional desde Berlin. Miembros de mi familia son especialistas con maestría en ciencia de datos y machine learning. Lo que digo en el vídeo no es desde una perspectiva latinoamericana, es desde mi experiencia de primera mano.
@@santanicolas7383 Amiga en resumen, aprende inglés y en paralelo trata de tomar una carrera de ING de sistemas. Puedes aprender por tu cuenta en un millon de lugares gratis, pero es mejor ir a una Universidad si deseas salir de tu País. Inglés IT = Ciudadano del mundo ( En cualquier pais del mundo estaras bien, por que eres un recurso escaso).
El machine learning es la carrera del futuro, y con el paso del tiempo solo más empresas van a adoptarlo de manera exitosa. Pero la realidad es que la mayor parte del valor está en los datos tabulares, y los asombrosos productos del mercado que vemos en las noticias estarán lejos de nuestro alcance o nuestro enfoque
Tienes mucha razón, estudié un posgrado y aprendí un poco de ML, me di cuenta de para realmente crear IA innovadora necesitas ser muy bueno creando modelos matemáticos y tener acceso a grandes cantidades de datos, muy necesario ser investigador con doctorado, además de estar publicando artículos científicos. Para la industria esto es muy complicado de costear.
Es cierto. Esta industria cierra las puertas a muchos de los que no tenemos las oportunidades económicas para costear largas carreras. Esto es especialmente visible en América latina donde el estudio tanto de maestría como de doctorado pueden ser bastante costosos. En cambio, en Europa los estudiantes de doctorado reciben un salario como investigadores facilitando mucho más el acceso a la formación. Es triste que la inteligencia artificial y el machine learning sean de tan difícil acceso.
Yo pienso que el ML fue creado para realizar tareas de humanos de manera automatica, como indicas en el minuto 4:11 estos datos de entrenamiento es importante para generar el modelo predictivo, y sinceramente desde mi perspectiva, no es un trabajo para cualquier persona.
Es un trabajo arduo y extenso y efectivamente se necesita de muchísimo conocimiento y experiencia para lidiar con ellos.
Siempre tus palabras del final me motivan mucho. Gracias!
Ricardo, espero que me puedas responder...
Que tanto puede hacer un data Engineer en la automatización del flujo de datos empresarial? Es el enfoque correcto? O es mejor un sysadmin, o in creador de Sistemas de Gestión Integrados... Hablo con enfoque a micro y medianas empresas...
Excelente pregunta. Yo trabaje en muchas corporaciones para los procesos de DataOps o automatización en la ingestión, normalización en industrialización de datos. Este trabajo esta usualmente en las manos de los equipos de ingeniería de datos, que trabajan directamente sobre las bases de datos de los sistemas de gestión, ya sea a través de APIs, o usando drivers para ese propósito. Los ingenieros eran expertos no solo en programación, sino en redes e infraestructura. Estos equipos de ingeniería usan herramientas como Azure Data Factory, AWS Glue o Apache Airflow para cargar los datos, clusters de spark para transformarlos, y bodegas de datos para industrializarlos. Yo hablo un poco de eso en mi video de ingeniería de datos.
@@RicardoSantosDiaz Perfecto, no me llegó la notificación de tu respuestas, pero me alegra mucho poder leerla y más cuando tengo un proyecto algo grande a cargo, definitivamente ser Data Engineer es complejo, más cuando en particular me gustaría desde ya implementar una política de flujos de datos configurada de punta (obtención) hasta uno final... Y espero conseguirlo, gracias
El CEO de Open IA, a raiz de lanzar Chat GPT dijo que el Futuro de las IAS, son las Especializadas en un sector Especifico, ahy esta el bussinnes. Una sola IA, que lo tengo todo es Tecnicamente Super Complejo, ademas de Ineficiente.
Es un reto enorme y la verdad yo también tengo mis dudas de algo genérico. Bien dice el dicho que el que mucho aprieta poco abarca!
Una pregunta el ingeniero en sistemas aparte de supervisor y de desarrollar sistemas complejos que más puede ser????
Y otra pregunta yo quería estudiar ingeniería mecánica pero después quise ingeniería en sistemas pero me sigue gustando ingeniería mecánica hasi me dijiste que en la ingeniería en sistemas puedes trabajar en cualquier empresa mi pregunta es en la ingeniería en sistemas ay una especialidad que sea cercana a la ingeniería mecánica?????
En cuanto a tu primera pregunta, son muchas las especializaciones de un ingeniero de sistemas: redes, infraestructura, operaciones, web frontend, web backend, aplicaciones móviles, dispositivos inteligentes, inteligencia artificial, ingeniería de datos, administración de proyectos, etc. Son muchísimas las opciones que tienes. En cuanto a la segunda pregunta, podrías trabajar en temas relacionados con robótica, mecatrónica, líneas de producción, entre muchos otros que hacen uso de las capacidades de un ingeniero mecánico.
Ok muchas gracias lo tendré en cuenta
☺️☺️☺️☺️
Buen analisis, lo mas hermoso que he encontrado en ese material es el esfuerzo academico que hay detras, como los cursos de edx y coursera. Saca un analisis de Blockchain
Gracias por tus palabras. Me motiva mucho saber que encuentres valor en mi contenido. Eventualmente creare contenido acerca de Blockchain :)
Es real...
Quienes manejan y quieren trabajar con Machine Learning sin tener un amplio background matemático... Tienen que aprender fundamentos y luego a usarlo, saber usar modelos ya creados... No crear modelos, pues esto toma mucho tiempo, matemática y conocimiento
Es cierto. El conocimiento teórico para poder aplicar correctamente machine learning es bastante amplio y se debe hacer un deep dive en la matemática y estadística aplicada para medianamente entender como los modelos se comportan sobre los conjuntos de datos. Existen casos de uso donde los modelos son estáticos y se hace un enfoque más fuerte en los datos, como sucede con los boosted trees, pero el conocimiento especializado nunca sobra
Hola, podrias hacer un video de trabajos que pueden realizar estudiantes de 6to semestre, porfavor.
Lo tendre en cuenta para mi calendario de contenido!
Hola, me encanta lo que haces pero no estoy de acuerdo. Bueno tal vez para grandes empresas el doctorado si o si sea necesario. Pero a largo plazo todos vamos a tener que conocer lo básico de IA y lo básico será el entrenamiento de redes neuronales.
Infortunadamente, esa es la realidad en Europa. Lamento no contar con más información de otras geografías. Asumo yo, puesto que la educación de posgrado es gratuita y los puestos en investigación son bastante comunes en la unión europea, el doctorado se tornó la norma en puestos de desarrollo de modelos de machine learning. Existen otros cargos como ingenieros de machine learning que son menos exigentes, pero el desarrollo de modelos y tecnologías suele ser reservado para investigadores con publicaciones científicas y doctorado
Hola,
No creo que sea necesario tener un doctorado ni varios articulos cientificos publicados para trabajar en DeepMind, OpenAI, etc.
DeepMind paga mis estudios de maestría gracias a su programa de becas, conozco varias personas sin doctorado trabajando con ellos, algunos de ellos solo tienen el pregrado.
Lo aclaro por si alguna persona que escucho tu video se siente desmotivado al escucharte decir que los requisitos para entrar son muy dificiles de conseguir.
¡Primero que todo te felicito por esa excelente oportunidad que lograste! Que genial que estes haciendo tu maestría patrocinada por tan excelente empresa. En cuanto al doctorado, actualmente desde mi ubicación geográfica en Alemania, el requerimiento de doctorado es consistente en casi todas las ofertas disponibles en LinkedIn (www.linkedin.com/jobs/search/?currentJobId=3225333234&geoId=101282230&keywords=machine%20learning%20scientist&location=Germany&refresh=true). Supongo que está situación se da debido a la gratuidad de la educación en posgrados en Europa. Esto infortunadamente crea una nueva capa de complejidad para que podamos aspirar a estas posiciones. Infortunadamente, no todos tenemos la oportunidad económica, las calificaciones, o las circunstancias correctas para continuar nuestra educación con posgrados y muchas de estas posiciones son imposibles de alcanzar.
Igualmente quiero enfatizar fuertemente, mi intención no es desanimar a la gente, pero si ser honesto con los retos a los que van a enfrentarse cuando quieran buscar un trabajo en esta industria.
Chavón, me haces acordar a ese director de IBM que decía que iban a haber 500 computadoras en todo el mundo y que iban a costar millones de dólares cada una... Es una tecnología nueva y como todo, por el momento solo los ricos y poderosos tienen acceso, pero eso en muy poco tiempo va a empezar a cambiar, si hoy empezas una carrera de machine learning, en 5 o 6 años cuando la termines ya vas a tener esta tecnología mucho mas democratizada y difundida... Y respecto a los datos, por ahora son privados, no falta mucho para que las generaciones futuras dejen de ver las cosas que publican en redes como cosas privadas o intimas... el sentido de la intimidad se esta perdiendo, ya nuestros hijos no lo van a entender... como nuestros abuelos no pueden entender hoy lo que es una red social por ejemplo...
Entiendo tu perspectiva y es cierto que conforme se va mejorando el hardware y el poder de cómputo local nosotros, el público general, vamos a tener maneras de acceder a estos algoritmos. Pero cuando eso suceda, los gigantes informáticos van a tener modelos más nuevos y sorprendentes a los que nuevamente no tendremos acceso.
La privatización de la inteligencía artificial es tristemente una realidad, y una gran señal de este triste problema, es como las más grandes universidades están perdiendo sus académicos para recibir pagos millonarios en compañías como Google y Microsoft. Todo ese conocimiento, artículos científicos y código que solían generar de manera abierta, queda ahora en manos de patentes y compañías privadas.
Y la verdad no es que no crea en el futuro de la inteligencía artificial, todo lo contrario, me emociona leer de ella y tengo una perspectiva positiva del futuro. El problema es que es bastante desalentador el estado actual de esta rama.
suscrito
Mmmmm esta es una visión Latinoamericana. Estudien ingles, luego tomen este track de AI. Esto no es así en el mercados desarrollados.
Actualmente me desempeño como manager de ingeniería en una multinacional desde Berlin. Miembros de mi familia son especialistas con maestría en ciencia de datos y machine learning. Lo que digo en el vídeo no es desde una perspectiva latinoamericana, es desde mi experiencia de primera mano.
@@RicardoSantosDiaz, válido entonces. Talvez en Norte América es diferente.
@@RicardoSantosDiaz Si así esta Alemania que la super potencia de Europa,entonces es la imagen global de Europa probablemente.
Puedes darme más detalles para entender y aprender más, por favor. 🙏
@@santanicolas7383 Amiga en resumen, aprende inglés y en paralelo trata de tomar una carrera de ING de sistemas. Puedes aprender por tu cuenta en un millon de lugares gratis, pero es mejor ir a una Universidad si deseas salir de tu País. Inglés IT = Ciudadano del mundo ( En cualquier pais del mundo estaras bien, por que eres un recurso escaso).
Era tu fan ya soy tu hater. :c
hahahaha :) ... la verdadera pregunta es: ¿qué tanto refleja el video la experiencia personal?