Ruta de Aprendizaje para aprender Inteligencia artificial

Summary

El guía de aprendizaje de Inteligencia Artificial (IA) es un recurso creado para aquellos interesados en especializarse en IA, ya sea para mejorarse profesionalmente o para principiantes. Se presenta como un roadmap enfocado en el crecimiento desde cero hasta convertirse en un profesional de IA. Cubre desde el uso de herramientas AI al nivel de usuario, pasando por la programación en Python para el análisis de datos y el aprendizaje de frameworks de IA como TensorFlow y PyTorch, hasta llegar a la creación de modelos inteligentes y su implementación a gran escala. El guía también sugiere recursos para aprender inglés para mejorar la comunicación con compañeros de todo el mundo y destaca la importancia de la dedicación y el tiempo invertido en el estudio para alcanzar el éxito en este campo en demanda.

Takeaways

• 😀 La inteligencia artificial (IA) es un campo atractivo y en auge, con una creciente demanda de profesionales en el área.
• 🎓 Se puede comenzar a aprender IA desde cero y progresar hasta convertirse en un profesional, siguiendo una guía o 'roadmap' estructurada.
• 📚 La guía para aprender IA está enfocada en varios niveles, desde el usuario hasta el profesional avanzado, y considera tanto recursos en inglés como en español.
• 🌐 Para mejorar el inglés, que es comúnmente utilizado en la documentación y comunidades de IA, se recomienda utilizar plataformas como imigo para práctica constante y aprendizaje de frases nativas.
• 🛠 Antes de sumergirse en la programación y la matemática, se sugiere familiarizarse con herramientas y servicios de IA existentes a nivel de usuario.
• 🔧 Aprender a programar es fundamental para convertirse en un Ingeniero de IA, y para ello, se recomienda enfocarse en el uso de Python para ciencia de datos y aprendizaje automático.
• 📈 Es importante aprender conceptos de matemáticas, estadísticas y SQL, que son la base para entender y trabajar con algoritmos y datos en IA.
• 🔗 Aprender a utilizar APIs de servicios de IA es una forma rápida de empezar a crear aplicaciones inteligentes sin tener que implementar modelos complejos.
• 📚 La ruta de aprendizaje en IA es un proceso que toma tiempo y dedicación, y puede involucrar desde la comprensión de herramientas y servicios hasta la creación y investigación de modelos avanzados.
• 🌟 Los roles dentro del campo de la IA varían desde el Ingeniero de IA, que se enfoca en la creación de modelos, hasta roles administrativos y de gestión, pasando por especialistas en la nube y en seguridad.

Q & A

¿Qué es la inteligencia artificial y por qué es un tema de interés actual?

La inteligencia artificial (IA) es el campo de la informática que se ocupa del diseño de sistemas que pueden realizar tareas que normalmente requieren inteligencia humana, como la percepción, el aprendizaje y la tomada de decisiones. Es un tema de interés actual debido a su rápida evolución y el impacto en la sociedad, con aplicaciones en múltiples campos y una creciente demanda de profesionales en el área.

¿Por qué es importante aprender la inteligencia artificial para los programadores y profesionales de la tecnología?

Es importante para los programadores y profesionales de la tecnología aprender la inteligencia artificial porque esta área está revolucionando la forma en que se desarrollan aplicaciones y servicios, y está en aumento la demanda de profesionales con habilidades en IA para crear soluciones innovadoras y eficientes.

¿Qué plataformas se mencionan para mejorar el inglés y por qué son útiles para programadores?

Se menciona la plataforma 'imigo' como una herramienta para mejorar el inglés constantemente, proporcionando frases elocuentes y nativas que pueden ser utilizadas en situaciones reales. Esto es útil para programadores porque mejora su comunicación, especialmente al interactuar con clientes extranjeros o al presentar proyectos.

¿Cuál es la relación entre la IA generativa y el aprendizaje profundo (Deep Learning)?

La IA generativa es un subcampo del aprendizaje profundo (Deep Learning). El aprendizaje profundo es una técnica de aprendizaje automático que utiliza redes neuronales artificiales con múltiples capas (profundas) para modelar y solve problemas complejos. La IA generativa utiliza estas técnicas para generar contenido nuevo, como texto, imágenes u otros datos, basándose en la información existente.

¿Qué es un 'roadmap' y cómo se puede utilizar para aprender la inteligencia artificial desde cero?

Un 'roadmap' es una guía o plan de aprendizaje que ayuda a las personas a comenzar desde cero y avanzar en un campo específico. En el caso de la inteligencia artificial, un roadmap podría incluir etapas como familiarizarse con herramientas de IA, aprender programación, estudiar ciencia de datos y aprendizaje automático, y finalmente dominar técnicas avanzadas de IA y desarrollo de modelos.

¿Por qué es recomendable aprender a programar en Python para aspirantes a ingenieros de IA?

Python es un lenguaje de programación muy popular y es ideal para la inteligencia artificial debido a su simplicidad y la gran cantidad de bibliotecas, frameworks y herramientas disponibles para el análisis de datos, aprendizaje automático y aprendizaje profundo.

¿Qué son los 'no code' o 'low code' platforms y cómo se relacionan con la IA?

Los 'no code' o 'low code' platforms son servicios que permiten a los usuarios crear aplicaciones sin necesidad de programar, utilizando interfaces gráficas para arrastrar y soltar elementos. Aunque estos servicios facilitan la creación de aplicaciones de IA, no ofrecen la comprensión profunda del funcionamiento interno de la IA y no forman a un ingeniero de IA.

¿Qué es Kaggle y cómo puede ayudar a los aprendices de IA a mejorar sus habilidades?

Kaggle es una plataforma en línea que ofrece competiciones de ciencia de datos y aprendizaje automático, donde los participantes pueden mejorar sus habilidades mediante el trabajo con datos reales y el uso de modelos de IA. También es un lugar para construir un portafolio de proyectos y ser reconocido por empresas en el sector.

¿Qué son las 'APIs' y cómo son útiles para el desarrollo de aplicaciones de IA sin necesidad de implementar algoritmos complejos?

Las 'APIs', o interfaces de programación de aplicaciones, son servicios web que pueden ser utilizados en el código para realizar tareas específicas, como procesamiento de datos, sin necesidad de implementar los algoritmos detallados. Permiten a los desarrolladores crear aplicaciones de IA integrando servicios existentes que ofrecen funcionalidades inteligentes.

¿Cuáles son algunos de los frameworks de IA que se pueden utilizar para el desarrollo de modelos de aprendizaje profundo y por qué son importantes?

Algunos de los frameworks de IA importantes mencionados son PyTorch, TensorFlow y Keras. Son fundamentales para el desarrollo de modelos de aprendizaje profundo ya que facilitan la construcción, entrenamiento y despliegue de modelos complejos en múltiples plataformas, permitiendo la creación de aplicaciones avanzadas en campos como el procesamiento de lenguaje natural y la visión computacional.

Outlines

00:00

📚 Introducción a la Inteligencia Artificial

El primer párrafo presenta la guía de aprendizaje sobre Inteligencia Artificial (IA), dirigida a personas interesadas en comenzar desde cero con el objetivo de convertirse en profesionales en el campo. Se menciona la importancia de aprender tanto en inglés como en español y se sugiere el uso de herramientas como 'imigo' para mejorar el inglés. El enfoque de la guía es progresivo, comenzando con la familiarización con herramientas AI y terminando con la creación de aplicaciones IA. Además, se destaca la importancia de la IA generativa y cómo la demanda de desarrolladores está en aumento.

05:00

👨‍🏫 Familiarización con herramientas AI y términos técnicos

Este párrafo se enfoca en la familiarización de los usuarios con herramientas IA y servicios existentes, así como en el conocimiento de términos técnicos como 'tokens', 'parámetros' y 'temperatura'. Se discute la diferencia entre usar servicios IA y la necesidad de programar para comprender completamente el funcionamiento de Machine Learning y proyectos de IA. También se menciona la posibilidad de crear aplicaciones IA sin programar a través de plataformas de 'no code' o 'low code', aunque se señala que estas limitan la comprensión del funcionamiento interno y no conducen a convertirse en un ingeniero de IA.

10:01

💻 Pasar del usuario a desarrollador de software en IA

El tercer párrafo habla sobre el paso del usuario a desarrollador de software, enfocándose en la necesidad de aprender un lenguaje de programación, específicamente Python, para trabajar en ciencia de datos, IA y Machine Learning. Se sugieren editores de código como Visual Studio Code y Jupyter Notebook, y se destacan conceptos básicos de Python que deben ser aprendidos. Además, se menciona la importancia de conocer herramientas como Git y servicios como GitHub, así como el aprendizaje de SQL para trabajar con bases de datos en ciencia de datos.

15:02

🔗 Utilización de APIs y el papel del desarrollador en IA

Este párrafo cubre cómo los desarrolladores pueden utilizar APIs para crear aplicaciones IA sin tener que implementar algoritmos complejos de Machine Learning. Se mencionan servicios como hacking Face y replicate, y se sugiere el uso de un framework llamado Line para combinar modelos IA y datos externos. Se destaca la capacidad de crear proyectos complejos e interactivos utilizando estas herramientas y se motiva a los desarrolladores a profundizar en su conocimiento de Python y otros conceptos avanzados para dominar el desarrollo de software en IA.

20:02

📈 Avanzando en la programación y matemáticas para IA

El quinto párrafo se enfoca en la importancia de aprender frameworks y herramientas de IA, como PyTorch y TensorFlow, y en la necesidad de comprender conceptos matemáticos avanzados para utilizarlos adecuadamente. Se mencionan áreas como álgebra lineal, cálculo, probabilidades y estadísticas, y se sugieren recursos para aprender estos temas. Además, se habla sobre la creación de proyectos avanzados utilizando estas bibliotecas y frameworks, lo que llevaría a un entendimiento más profundo de la IA y el desarrollo de modelos desde cero.

25:03

🧠 La evolución del ingeniero de IA y el aprendizaje continuo

El último párrafo destaca la evolución del ingeniero de IA desde el aprendizaje de programación y el uso de APIs hasta la comprensión de frameworks de IA y el desarrollo de modelos inteligentes. Se menciona la necesidad de años de trabajo e investigación para alcanzar el nivel de experto en IA, y se sugieren recursos avanzados como cursos de redes neuronales y specializations en Deep Learning. Se anima a los aprendices a dedicar tiempo a la educación continua y a considerar la IA no solo como un campo de desarrollo de modelos sino también en otros roles como la seguridad y la regulación.

🤝 Conclusión y recursos adicionales para el aprendizaje en IA

Para concluir, el presentador ofrece una visión general de la ruta de aprendizaje en IA, sugiriendo que comience con la programación en Python y luego avance hacia el uso de APIs, bibliotecas de análisis de datos y frameworks de IA. Se insta a los espectadores a unirse a la comunidad de Discord para interactuar con otros desarrolladores y se comparten enlaces a las redes sociales y la web del presentador para seguir el aprendizaje y recibir asesoría personalizada.

Keywords

💡Inteligencia Artificial

La Inteligencia Artificial (IA) es un campo de la informática que se centra en la creación de sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como la percepción, el aprendizaje y la tomada de decisiones. En el video, el tema de la IA es central, ya que se trata de guiar a los espectadores en cómo aprender y especializarse en esta área, destacando su importancia y demanda actual en el mercado laboral.

💡Aprendizaje Profesional

El Aprendizaje Profesional se refiere al proceso de adquirir conocimientos y habilidades en un área específica para mejorar o cambiar la carrera actual. En el script, se menciona que los programadores y personas interesadas en la IA pueden mejorar profesionalmente a través de una guía de aprendizaje o 'roadmap' proporcionada por el creador del video.

💡Programación

La Programación es el proceso de escribir, probar y mantener el código fuente de un programa informático. En el video, se destaca la importancia de aprender a programar, específicamente en Python, como un paso fundamental para convertirse en un ingeniero de IA y desarrollar aplicaciones inteligentes.

💡Python

Python es un lenguaje de programación de alto nivel, muy popular en el desarrollo de aplicaciones de IA y Machine Learning debido a su simplicidad y la gran cantidad de bibliotecas disponibles. El video menciona Python como el lenguaje clave para aprender para aquellos que buscan especializarse en IA.

💡Machine Learning

El Machine Learning es una rama de la IA que se centra en el desarrollo de algoritmos que permiten a las máquinas aprender y mejorar con la experiencia sin ser programadas explícitamente para cada tarea. En el script, Machine Learning es mencionado como un área clave para la especialización en IA, con enfoque en el aprendizaje y aplicación de algoritmos.

💡Deep Learning

El Deep Learning es una subárea del Machine Learning que se basa en redes neuronales artificiales con múltiples capas, llamadas capas ocultas, para modelar funciones complejas. En el video, Deep Learning es mencionado como un subcampo del que surge el modelo Chat GPT, y es fundamental para el desarrollo de IA generativa.

💡Frameworks de IA

Los Frameworks de IA son herramientas y bibliotecas que facilitan el desarrollo de aplicaciones de inteligencia artificial, proporcionando estructuras y funciones predefinidas para tareas como el aprendizaje automático y la red neuronal. En el script, se mencionan frameworks como TensorFlow, PyTorch y Keras, que son esenciales para el desarrollo de modelos de IA avanzados.

💡APIs

API significa Interfaz de Programación de Aplicaciones y son conjuntos de rutinas, protocolos y herramientas para construir software y aplicaciones. En el video, se sugiere el uso de APIs para procesar datos y crear características inteligentes sin necesidad de implementar algoritmos complejos.

💡Nivel de Dificultad

El Nivel de Dificultad hace referencia a la complejidad o el grado de desafío de un tema o tarea en particular. El video propone una ruta de aprendizaje en niveles, aumentando gradualmente el nivel de dificultad, lo que ayuda a los aprendices a progresar de una forma estructurada y comprensible.

💡Investigación de IA

La Investigación de IA se refiere al trabajo de desarrollo y estudio en el campo de la inteligencia artificial, incluyendo el diseño de nuevos algoritmos, modelos y aplicaciones. En el script, se menciona que los expertos en IA están innovando y llevando a la práctica modelos a gran escala, lo que implica un alto nivel de investigación y desarrollo.

Highlights

La inteligencia artificial es un campo atractivo y en crecimiento, con muchas personas interesadas en aprenderlo para crear aplicaciones o especializarse.

Se ha creado una guía de aprendizaje llamada 'roadmap' para ayudar a los principiantes a convertirse en profesionales de IA.

La guía está enfocada en personas que comienzan desde cero, con el objetivo de convertirse en profesionales de IA.

Los recursos compartidos están en inglés, pero se hace un esfuerzo por buscar contenido en español.

Imigo es una plataforma que ayuda a practicar inglés y mejorar la fluidez para comunicarse con clientes.

La IA ha estado en desarrollo desde los 50, pero su popularización masiva ocurrió alrededor de 2020-2021 con el surgimiento de modelos como GPT.

La demanda de desarrolladores de IA está en aumento debido a la implementación de características IA en productos y servicios.

La IA generativa es un subcampo del Deep Learning, con ejemplos como Chat GPT.

Se sugiere un enfoque diferente al aprendizaje de IA, comenzando con la familiarización con herramientas AI antes que con matemáticas y estadísticas.

El primer nivel para principiantes es familiarizarse con el ecosistema AI y servicios enfocados al usuario.

Se pueden crear aplicaciones inteligentes sin programar a través de servicios de no code o low code.

Para entender realmente el Machine Learning y la IA, es necesario saber programar.

Python es el lenguaje recomendado para aprender para ser ingeniero en IA, debido a su amplio uso en ciencia de datos y Machine Learning.

Se deben conocer herramientas como Git y servicios como GitHub para el control de versiones y colaboración.

SQL es otro lenguaje importante para la ciencia de datos y se utiliza junto con Python para extraer y analizar datos.

Los APIs son servicios de internet que se pueden consumir desde el código para procesar datos sin necesidad de implementar algoritmos.

Frameworks de modelos inteligentes como Line permiten combinar modelos y datos externos para crear aplicaciones inteligentes.

Para dominar el siguiente nivel, se deben conocer conceptos avanzados de Python, estructura de datos y algoritmos.

Los roles dentro de IA varían desde ingenieros hasta administrativos y éticos, y cada uno tiene diferentes necesidades de programación.

Los Cloud ML Engineer y AI DevOps Engineer trabajan con servicios de la nube para desplegar modelos a gran escala.

Se pueden obtener certificaciones dedicadas en servicios de la nube para especializarse en despliegue de IA.

Los frameworks de IA como PyTorch, TensorFlow y Keras son fundamentales para crear modelos desde cero.

Es importante aprender conceptos matemáticos avanzados como álgebra lineal, cálculo, probabilidades y estadística para entender y crear modelos de IA.

Los expertos en IA son aquellos que están innovando y llevando a la práctica los modelos a gran escala.

Los investigadores de IA son aquellos que analizan y ponen en práctica los avances en investigación de IA.

La ruta para convertirse en un profesional de IA implica años de trabajo e investigación, y dedicar tiempo a estudiar todos los temas.

El artículo y la guía de estudio se publicarán en la web del hablante para que la comunidad pueda aprender junto a él.

Transcripts

como el tema Inteligencia artificial es

algo muy llamativo actualmente es

probable que a muchos de ustedes les

haya llamado la atención este campo y

ahora quieren aprenderlo para crear

aplicaciones o especializarse en esta

área o quizás ya son programadores y

quieren mejorar profesionalmente para

esto les he creado una guía de temas a

aprender o también llamado roadmap esta

guía está enfocada a cualquier persona

que quiere empezar desde cero con el

objetivo de ser un profesional de ia

eventualmente consideraciones muchos de

los recursos que voy a compartir están

en inglés he hecho un esfuerzo en Buscar

contenido en español pero no todos están

traducidos aún así con chask PT puedes

ayudarte a traducirlos o Buscar algunos

recursos alternativos esta ruta que te

voy a explicar También toma tiempo así

que no es algo como aprende í en unas

cuantas semanas o algo así de hecho

muchos de los temas que te voy a

mencionar aún personalmente lo Sigo

estudiando y si bien algunos son fáciles

muchos otros toman más tiempo de los que

pueden suponer y a diferencia de otros

roadmaps o guías de aprendizaje en donde

Primero te dicen aprende matemática

estadística y luego programación y así

en este caso voy a cambiar un poco el

enfoque y voy a dividirlo en niveles

coders como siempre estoy en la búsqueda

de recursos y herramientas que me

permitan perfeccionar mi inglés para

lograr un sonido más nativo una de las

plataformas que utilizo para este

propósito es imigo el cual es una

plataforma que me permite practicar mi

inglés de manera constante

proporcionándole tillas por frases más

elocuentes y nativas las clases no se

limitan a enseñar frases típicas en

inglés sino que te instruyen en frases

que puedes utilizar en situaciones

reales ya sea al presentar algún

proyecto al hablar con tu jefe o

clientes extranjeros o al escribir

inglés como un nativo lo que garantiza

que recibirás una educación de calidad

en inglés además aquí puedes encontrar a

muchos programadores de todo el mundo y

generar contactos y en lo personal imigo

No solo me ayuda a mejorar mi

vocabulario y corregir mole tillas sino

que también me ayuda a mejorar mi

fluidez para comunicarme con mis

clientes como un nativo Así que si eres

un programador que busca mejorar su

inglés definitivamente te recomendaría

amigo obtén un 90 por de descuento en su

plan mensual o anual con el enlace que

te dejo en la

descripción pero primero veamos por qué

aprendería el tema Inteligencia

artificial ha estado desde los 50 pero

no es hasta alrededor de los años 2000

20 2021 con la popularidad o el

surgimiento de gpt cuando empezaron a

popularizarse mucho más el tema de las

Sas a t el punto que se han creado hasta

este momento muchos usos prácticos y ya

es un tema popular es decir ya no está

solamente en el ámbito académico o de

programadores o de ciencia de datos sino

que ahora una persona normal puede

llegar a utilizar muchos servicios ia y

es algo que también vemos como muchas

empresas actualmente están implementando

características ia cada vez más en sus

productos o servicios por lo que la

demanda para crear aplicaciones y nuevas

características inteligentes está en

auge y y de hecho el área en particular

a la que me refiero es el área de ia

generativa que es un subcampo del Deep

learning en donde chat gpt es un máximo

ejemplo Aunque por supuesto gpt No es el

único modelo que hace esto y muchas

otras empresas están desarrollando o

creando sus propios servicios y

herramientas por lo que la demanda de

desarrolladores Está avanzando cada vez

más además que conforme pasa el tiempo

esto Irá mejorando una ruta práctica

como el Machine learning puede ser un

área complicada en vez de decirte

primero aprende un tema como matemáticas

y estadística y luego programación y así

he decidido tomar otro enfoque aquí y es

el de ir subiendo viendo el grado de

dificultad conforme pase el tiempo

primero se familiarizan con herramientas

Ai a nivel de usuario luego Siguen con

convertirse en un desarrollador de

Software que sabe algún lenguaje de

programación y empiezan a crear algunas

aplicaciones ia ya les voy a decir cómo

luego estudiar temas en particular de

ciencia de datos y Machine learning y

Deep learning sobre todo relacionados a

temas matemáticos y que están netamente

enfocados en el uso de herramientas y

Software relacionados con ia y

finalmente está el último nivel que allí

hay profesionales en donde prácticamente

pueden crear cualquier tipo de producto

o servicio yag escala y entre los

primeros niveles como resultado tenemos

a un ingeniero de ia o un Machine

learning engineer que en la práctica de

forma resumida es la combinación de un

Data Science más un desarrollador de

software y todo esto también significa

que ea requiere que trabajes mucho con

programación matemáticas y estadísticas

por lo que sí no es un campo fácil de

dominar nivel usuario familiarizarse con

el ecosistema Ai es decir si eres una

persona que no tiene muchos

conocimientos técnicos primero

familiarízate con las herramientas y

servicios de ea que ya existen y que

están enfocadas al usuario y aquí pueden

estar los modelos de lenguaje grande es

decir utilizar modelos como gpt o como

Palm o como Cloud que también son chats

al estilo de chat gpt y que al igual que

chat gpt puedes utilizarlo también con

servicios como Google gemini o la web de

antropic de hecho a este punto como ya

debes saber también hay servicios para

generar imágenes videos audio texto Box

avatars y muchas otras cosas que si

planeas enfocar todos tus estudios ahí

ya deberías conocer y luego a partir de

aquí ya conociendo esto pasarías a

enfocarte un poco en el uso de términos

adecuados cuando hablamos de algunos

servicios ia por ejemplo saber términos

como Qué son los tokens que es una

unidad de texto que se utiliza mucho en

el procesado de lenguaje natural que son

utilizados por modelos como gpt o

conocer Qué son los parámetros que son

los valores ajustables de los modelos de

ia o conocer la temperatura que es un

parámetro para la ía en donde pueden

controlar la aleatoriedad de las

respuestas es decir saber qué tan

imaginativo puede ser una ia y luego

términos que están muy relacionados como

puede ser entrenamiento inferencia

algoritmos datasets sesgos

regularización y así y Estos son

términos que aunque parezcan complejos

en realidad son muy utilizados por

usuarios normales cuando se hace uso de

servicios de ia y luego cuando tengas

que estudiar o tengas que elaborar

alguno de estos modelos pues

probablemente vas a encontrar los mismos

términos Solo que vas a tener que

implementarlos en lugar de usarlos hasta

este punto usar servicios es un inicio

pero lo siguiente que podrías hacer

también es instalar modelos inteligentes

de forma local actualmente Al igual como

gpt También tenemos modelos inteligentes

que puedes descargar e instalar en tu

propia máquina entre algunos de esos

está o Lama o está chat rtx que para

poder probar estos modelos puedes

Descargar un programa que es por lo

general bastante pesado y que necesitas

gráfica espacio en disco y memoria RAM

pero que te va a permitir trabajar con

tus propios datos e incluso muchos de

estos modelos inteligentes que funcionan

de forma local el código está en github

por lo que también puedes ir

familiarizándose con esta idea de poder

ir viendo cómo funcionan este tipo de

código sin embargo hasta este momento aú

no tienes un nivel técnico para poder

entenderlos Así que solamente sería la

idea de que puedas ir instalándose e ir

conociéndolos hasta aquí esto es básico

y sin la necesidad de tener que que ser

un usuario técnico cualquiera puede

aprender a utilizar estos modelos

inteligentes a modo de comentario

también es posible crear aplicaciones

inteligentes o Apps de ias sin saber

programar a través de servicios llamados

no code o low code y que ya he

mencionado en un video anterior estos

permiten crear aplicaciones sin saber

programar arrastrando y soltando

elementos en una web sin embargo al ser

plataformas o servicios que te abstraen

de la lógica o el código es decir no es

necesario que programes esto se vuelven

cajas negras donde no conoces el

funcionamiento interno además que

usarlos no te va a convertir en un

ingeniero de ia Así que para poder

entender cómo funciona realmente el

Machine learning Y cómo funcionan los

proyectos basados en Inteligencia

artificial es necesario sí o sí saber

programar nivel de desarrollador

aprender a programar hasta aquí ya te

has familiarizado como un usuario con

herramientas lo siguiente es pasar a ser

un desarrollador de software por lo que

tienes que aprender un lenguaje de

programación y el lenguaje que es una

buena idea aprender si quieres ser un

ingeniero en ia es python python es un

lenguaje muy popular que puedes hacer

muchas cosas desde crear aplicaciones de

escritorio web frontend y backend Pero

no vayas a aprender todo eso desde cero

porque son demasiadas cosas y no

necesitas aprenderlo todo así que solo

enfócate en el uso de python para

ciencia de datos Ai y Machine learning

de hecho en python hay una enorme

cantidad de código escrito como

bibliotecas frameworks sdks y

herramientas en general para trabajar en

estas áreas por lo que Este lenguaje es

idóneo para ese trabajo junto con python

usarás programas llamados editores de

código en los que podríamos encontrar a

visual Studio code p sharn y Jupiter

Notebook siendo este el favorito de

muchos profesionales dedicados en esta

área ya que es muy fácil y permite crear

documentos enriquecidos rápidamente

aunque también puedes utilizar jupit

Notebook directamente desde el navegador

o dentro de visual Studio code sin

instalar nada o incluso también hay

servicios como Google colf en donde

puedes empezar a utilizarlo simplemente

creá una cuenta usando estos programas

vas a tener que aprender conceptos de

python como pueden ser tipos de datos

funciones condicionales bucles objetos

listas clases orientación objetos y

también conocer algún administrador de

paquetes y todo esto que te menciono

solo son las bases del lenguaje Así que

adicionalmente a esto también tendrás

que conocer herramientas como git para

que puedas controlar distintas versiones

de tu código además que vas a conocer

servicios como github que te permiten

tanto Subir tus propios proyectos como

conocer proyectos abiertos de la

comunidad ambas son necesarias para

conocer proyectos de código Así que es

algo que eventualmente vas a tener que

tener lo otro también que debes aprender

es sql este es un lenguaje de base de

datos y típicamente se usa en ciencia de

datos para poder leer información o

guardarla y que también se puede llegar

a utilizar junto con python además de

utilizarlo para poder extraer

información y ejecutar algún tipo de

análisis de datos encima de estos para

aprender todo esto del desarrollo de

software hay muchos cursos en internet y

uno de los que te podría recomendar es

el computer s principles de can Academy

esa es una web gratuita donde puedes

inscribirte y aquí vas a aprender

conceptos básicos de programación

computación algoritmo seguridad de datos

base de datos Y así también hay muchos

libros donde puedes aprender python pero

de nuevo Debes tener en cuenta que hay

muchas opciones de cómo utilizar python

Así que en lo personal te recomiendo que

te enfoques en las que van a enseñarte

python enfocado a ciencias de datos un

bu el libro para empezar que en mi caso

yo utilicé fue un libro llamado automate

the boring Stuff with python o

automatice las cosas cosas aburridas con

python en este libro tú puedes crear

algunos scripts básicos de python que

puedes utilizar en tu día a día y que es

una forma divertida de aprender porque

estás creando algo que realmente estás

utilizando una vez ya sepas las bases

del lenguaje lo siguiente que debes

conocer Sí o sí es el uso de Api que es

un abreviado de application programming

interface estos en la práctica son

servicios de internet que puedes

consumir desde tu código de python y que

te ayudan a procesar datos sin la

necesidad de que tú los implementas si

quieres crear un chat inteligente puedes

utilizar la Api de Open si quieres crear

imágenes puedes utilizar la Api de Dali

3 eso significa que no necesitas

implementar aquí ningún tipo de

algoritmo complicado de Machine learning

y nada de esto ya estas Api te dan ese

procesado hecho es decir ya te dan la

lógica Simplemente te piden que le des

una entrada y ellos te van a dar una

respuesta Aunque estos dos ejemplos de

generar texto de imágenes son los más

básicos porque en realidad hay una

enorme variedad de modelos en donde

puedes encontrar traducciones de textos

clasificación de audio generación de

audio resúmenes de textos todas estas

Api de modelos inteligentes los podrías

encontrar en sitios que permiten

ejecutar estos modelos en la nube aquí

pueden haber dos webs muy importantes la

primera es hacking Face y la segunda

podría ser replicate las cuales te

permiten crearte una cuenta y consumir

directamente desde tu propio código una

Api que ya te da estas características

inteligentes usarlas de hecho es muy

fácil y solo requiere conocer código

básico de python con esto podrías crear

desde aplicaciones o Script de

optimización que haga alguna

característica inteligente y ya estarías

entrando en un nivel mucho más práctico

o en un nivel de desarrollador entre

algunos de los programas que podrías

crear usando python junto a estas Api

podría ser tu propio chat inteligente un

asistente sencillo una aplicación que

genere imágenes con ia o procese

imágenes para editarlas un convertidor

de texto voz o un programa que resuma

pdfs de hecho también puedes combinar

varias de estas apis de modelos

inteligentes para hacer cosas más

complejas e incluso Esto lo puedes

conseguir mucho más fácil gracias a un

framework de modelos inteligentes

llamado Line el cual permite unir muchos

de estos modelos más algún tipo de dato

externo por ejemplo algún tipo de base

de datos o algún proveedor de alguna

otra ipi lo que no solo te va a permitir

obtener puestas inteligentes sino

también vas a poder utilizar tus propios

datos e incluso hacer acciones es decir

que el modelo entienda lo que estás

pidiéndote e incluso puede interactuar

con tu sistema operativo para abrir

programas o ejecutar scripts y demás Y

utilizando esta idea se han creado

proyectos muy interesantes como pueden

ser aut gpt que permiten ejecutar

acciones en el sistema operativo o crear

un programa e ir resolviendo problemas

de código de forma recursiva una vez ya

estés creando aplicaciones como las que

te menciono lo siguiente sería

profundizar en python Porque todo lo que

te mencioné solo son las bases y para

poder dominar el siguiente nivel se debe

ser muy bueno conociendo las

limitaciones y usos del lenguaje entre

algunos de estos temas de python que

debes dominar como desarrollador antes

de intentar convertirte en un ingeniero

y ya son conocer conceptos avanzados de

python como los generadores los

iteradores la herencia o el paradigma

orientado a objetos los list

comprehensions los decoradores luego

también debes conocer Estructura de

datos como son los arrays los link list

los Hash tables los stacks los queue los

tre los graf los cuales también están

relacionados a algo llamado Big o

notation que permite describir la

complejidad o o el consumo de recursos

tanto en espacio y tiempo de un

algoritmo en términos del tamaño de

entrada es decir es una forma común de

clasificar los algoritmos según su

rendimiento y eficiencia en el peor de

los casos y de hecho hablando de

algoritmos también debes tener una idea

de cómo funcionan los binary se los B

Sword los quid sord mer Sword o

recursiones además de también poder

conocer Cómo se usa python en entornos

donde se consumen mucho más recursos en

donde puede ser el uso de multitrading o

multiprocessing ahora tenen cuenta que

esto de programar es solo si quieres ser

un ingeniero en ia porque también hay

otros roles dentro de cada área en donde

No necesariamente necesiten programar y

también trabajan con ia Aquí también

pueden haber otros roles como Ai sales

representative o Ai product manager o Ai

etica executive y así y Estos son roles

mucho más administrativos si lo piensas

y no hay muchas personas que van a

ocupar estos roles Así que es mejor

estudiar un campo que está muy demandado

Y ese es el rol de ingeniero ia por otro

lado también hay otro tipo de

profesional que está más enfocado en la

nube y también hace uso de inteligencias

artificiales como son los roles de Cloud

ML engineer o Ai de bobs engineer que

típicamente trabajan con servicios de la

nube como aws Google azure y servicios

similares en los cuales su trabajo no es

tanto crear el modelo sino es desplegar

modelos inteligentes en servicios de la

nube a gran escala y esto se puede

aprender tomando certificaciones

dedicadas en cada uno de los servicios

de la nube Este es un peldaño más arriba

de lo que sería un desarrollador normal

ya que aquí también se necesitan conocer

servicios específicos sin embargo

también es una ruta que puede llegar a

tomarse Aunque de nuevo esto ya estaría

alejándose de la ruta común que sería un

Ai engineer y iría más a un rol de Cloud

engineer Así que teng en cuenta hacia

dónde vas a dirigir tus estudios nivel

ingeniero de ia hasta este punto como

desarrollador ya has creado algunas

aplicaciones usando python y modelos

inteligentes a través de apis pero eso

es solo un nivel más arriba de un

usuario promedio y hasta aquí serías un

desarrollador de software lo siguiente

si quieres continuar en tus estudios es

subir un nivel más y aprender en

profundidad frameworks y herramientas de

ia que no solamente te van a dar

funcionalidad inteligente sino que te

van a permitir crearlas casi desde cero

entre estas vas a poder encontrar

bibliotecas de python cuales son

paquetes o código escrito por la

comunidad para poder crear aplicaciones

más rápidamente entre estos paquetes

están los más importantes o los que

siempre se mencionan cuando se habla de

ciencia de datos en python en los que

podemos encontrar a numpy para

manipulación eficiente de arrays y

matrices de datos numéricos pandas para

procesamiento y análisis de datos

tabulados mediante Data frames mat plus

lif para generar visualizaciones de

datos estáticas animadas o interactivas

o spaces para procesamiento de texto

avanzado incluyendo tokenización y

reconocimiento de entidades o también

puede mencionarse caborn que es una

biblioteca para visualización de datos

basadas en matb le que proporciona una

interfaz mucho más amigable para la

creación de gráficos estadísticos y que

sean fáciles de entender usando esto

puedes procesar analizar o clasificar

datos lo que es muy útil para hacer algo

llamado exploratory Data analysis y para

luego trabajar con herramientas que

realmente harán comportamientos

inteligentes a partir de estos datos a

partir de aquí para poder continuar es

necesario conocer conceptos matemáticos

primero antes de empezar a aprender

algún framework si no no vas a poder

llegar a entender muchas de las cosas

que vas a tener que estudiar y entre

estos conceptos matemáticos podríamos

empezar con el álgebra lineal aquí

podrías estudiar vectores y matrices es

decir hacer operaciones básicas como

sumas restas o multiplicaciones también

conocer determinantes y Rango de

matrices o de composiciones de matrices

luego otro tema que también es necesario

aprender es el cálculo es decir saber

derivadas e integrales gradientes reglas

de cadenas o optimizaciones es decir

métodos de gradientes descendentes y

variantes y también un concepto que

debes aprender son las probabilidades y

estadísticas aquí estaría la teoría de

probabilidades con distribuciones

discretas y continuas estadística

descriptiva que abarca temas como la

media la mediana la moda la varianza la

desviación estándar o la inferencia

estadística que también puede incluir

temas como estimación intervalos de

confianza pruebas de hipótesis y el

teorema de Valles y la probabilidad

condicional en Sí cada uno de esos temas

conlleva algo de tiempo y es la parte

pesada de poder tener las bases de ia

esos temas son claves a la hora de

utilizar una biblioteca DEA porque tarde

o temprano tendrás que saber conceptos

como Qué es la derivada de una función y

cómo calcularla Qué es una matriz o cómo

funciona el producto punto por ejemplo y

algunos recursos para poder empezar en

todo esto puede ser Introducción a la

probabilidad el cual es un curso de

Hardware que es gratuito y puedes

acceder a través de idx o también hay

videos en YouTube donde puedes aprender

cálculo de temas como vectores y

matrices o hay libros como matematics

for Machine learning de Mark Peter que

es un curso introductorio de matemáticas

enfocadas solamente en este campo o

también hay un libro llamado estadistic

on brun de Alex reinhard que en la

práctica es un libro que a diferencia de

estudiar solamente estadística de forma

teórica lo utiliza para poder hacer

análisis de datos ahora de por sí estos

temas son muy complicados de estudiar

Así que es muy probable que aquí vayas a

tener que necesitar de algún complemento

o curso para esto también se puede

aprender online y hay un curso muy

popular llamado Machine learning

specialization de Stanford el cual no es

un curso sino es más un programa que

está conformado por tres cursos en donde

uno vas a aprender aprendizaje

automático supervisado luego algoritmos

avanzados de aprendizaje y finalmente

aprendizaje No supervisado de hecho una

vez ya estés conociendo estos temas o ya

hayas pasado Por alguno de los más

básicos puedes empezar a utilizar

plataformas como kag el cual es un sitio

para poder aprender técnicas nuevas de

ciencia de datos a través de retos y

ejemplos gracias a que otras personas

también aquí suben sus notebooks o

ejemplos que puedes leer y ejecutar aquí

mismo además que eso te permite también

empezar a crear un portafolio de

proyectos y como también es un sitio que

tiene competencias muchas empresas están

atentas a los rankings que tiene cada

profesional aquí a modo de conocer mucho

más algunos perfiles y hasta aquí

estarías en un área de ciencia de datos

ahora usar estas bibliotecas es

fundamental porque luego en combinación

con otros proyectos más avanzados vas a

poder crear proyectos de ia desde cero

de hecho a los proyectos avanzados que

me refiero son a los frameworks

dedicados a ia entre estos podemos

encontrar a pychy learn el cual es una

biblioteca de python que proporciona

herramientas para tareas de Machine

learning como puede ser clasificación

regresión clustering y reducción de

dimensionalidad y este framework lo

utilizarías para poder implementar

algoritmos comunes y utilidades de

procesamiento de datos es decir evaluar

modelos o ajustar hiperparámetros además

sarn va muy unido a bibliotecas que ya

has aprendido anteriormente como puede

ser npai y pandas así que sería como un

siguiente nivel y de hecho no es el

único porque un framework muy popular

aquí también es tensor Flow el cual es

más una plataforma de código abierto

desarrollada por Google y también sirve

para construir y entrenar modelos de

Deep learning tensor Flow permite el

desarrollo de aplicaciones complejas de

Machine learning mediante su modelo de

gráficos computacionales que facilita la

optimización y el despliegue en

múltiples plataformas desde dispositivos

móviles hasta claser de servidores

incluso Y por supuesto este al ser un

framework de Google tiene una variación

que también funciona a gran escala que

puede funcionar en la nube luego también

está keras el cual es una Api de alto

nivel diseñada para facilitar la

creación y entrenamientos de modelos y

que está encima de tensor flow es decir

actúa como una interfaz para este

ofreciendo una sintaxis más clara y más

sencilla además que permite el

prototipado de modelos de una forma

mucho más rápida y luego tendríamos el

framework que es uno de los más

populares actualmente que es py torche

el cual es una biblioteca Deep learning

desarrollada por Facebook y que es muy

conocida por su flexibilidad Y capacidad

de proporcionar un desarrollo más ágil

mediante una arquitectura de gráficos

dinámicos además que se puede integrar

con las bibliotecas que ya hemos

mencionado y permite poder ser

desplegado en producción a través de

algunas herramientas como pueden ser tor

serf y usando estos framework podrás

crear Software que entra en la categoría

de visión computacional procesado de

lenguaje natural sentiment análisis o

redes generativas antagónicas es decir

los servicios que has visto para poder

generar imágenes texto música y modelos

de estilo en general que son los que

típicamente utilizarías a través de

servicios Solo que aquí ya estaríamos en

el nivel de crearlos no tan solamente

utilizarlos todo esto es lo que

realmente conlleva el trabajo de porque

para poder utilizar estos frameworks

aquí vas a conocer conceptos como las

neuronas los vallas y los layers e

incluso muchos conceptos ionados a este

como pueden ser los perceptron multicapa

las redes convolucionales o redes

recurrentes y así De hecho no tan

solamente redes neuronales sino también

modelos y arquitecturas de estos En

donde podemos mencionar a los

convolutional neuronal Network donde

principalmente se usan para tareas de

visión computacional o los recurren

neuronal networks o los long short ter

Memory que típicamente se utilizan para

series temporales y procesamiento de

lenguaje natural Aunque si lo vemos en

detalle muchas de las arquitecturas que

hasta este momento se han venido

desarrollando prácticamente quedan un

poco desfasadas gracias a una de las que

son las más utilizadas actualmente tanto

por los modelos inteligentes como por

investigaciones nuevas que son los

Transformers estas son arquitecturas

avanzadas enfocadas en el procesamiento

del lenguaje natural y servicios basados

en la generación de texto o generación

de contenido en modelos inteligentes de

hecho Aprendiendo la arquitectura de los

transformes puedes llegar a crear minim

modelos que son similares a lo que

ofrece gpt o olama por ejemplo Y por

supuesto Aquí hay muchos otros temas

intermedios como puede ser entrenamiento

y optimización evaluación y validación

de datos el procesamiento de datos o el

despliegue y producción de muchos de

estos modelos inteligentes Así que esos

son algunas de las ideas principales que

vas a llegar a conocer simplemente

cuando entres en el uso de estos

frameworks y hasta aquí ya estarías en

un nivel mucho más bajo por lo que ya

podrías considerarte un ingeniero en ea

ahora pasar a este nivel ya no es fácil

porque para llegar al siguiente peldaño

se necesitan pasar muchos años de

trabajos e investigación Así que es muy

complicado que llegues al otro nivel de

forma rápida aún así vale la pena

mencionarlo y al siguiente nivel que me

refiero básicamente son expertos en eii

esto por lo general son las personas que

actual actualmente están innovando en

empresas como Open Ai o entropic o

Google o Microsoft y por lo general el

trabajo ya no está Solamente crear un

modelo inteligente sino llevarlo a la

práctica a gran escala es decir una vez

ya hayas pasado por los niveles

anteriores que no son nada fáciles lo

último ya sería llegar al último grado

de experiencia que ya no solamente es

crear modelos inteligentes sino entender

cómo utilizarlos a gran escalas e

implementar nuevos modelos aquí ya no

solamente estarías leyendo un paper

implementándose sino que realmente

estarías haciendo estudios nuevos por

ejemplo hay un sitio llamado archive.org

donde van subiendo los nuevos avances e

investigaciones de modelos o nuevas

técnicas que muchas empresas están

publicando Gracias a que tienen áreas

dedicadas solamente a la investigación

de ia por darte una idea Los

profesionales que se dedican a analizar

y poner en práctica este papers se les

cataloga con el rol de investigador de

ia lo que conlleva un nivel técnico y de

experiencia muy alto de hecho lo más

difícil en la práctica No es solamente

crear un modelo sino es re implementar

un paper que quizás estás leyendo y

comprobar los resultados lo que el

crearlo simplemente es complicado ahora

imagínense tratar de comprobar los

resultados de alguien más sin embargo

esto es posible también estudiarlo de a

poco o ir preparándose para este tipo de

Reto por ejemplo está el curso del Neal

Network de cero a héroe impartido por

Andrew carpati que es una persona muy

influente en el sector de Ai y que ha

trabajado en empresas como tesla ha

impartido cursos de Deep learning en

Stanford y es uno de los científicos de

datos más influyentes actualmente O

también está un curso avanzado de Deep

learning llamado Deep learning

specialization en donde es una especie

de curso que sirve de continuación a lo

que sería como un curso siguiente de

Machine learning specialization que ya

les he mencionado anteriormente también

impartido por Stan for y bueno a partir

de aquí ya serían áreas que van

derivando de estas en fin como pueden

ver la ruta para aprender y ya no parece

algo muy complicado pero lo que es

difícil es realmente dedicarle el tiempo

a todos estos temas y estudiarlos con

calma aunque creo que cualquier persona

con intenciones puede llegar a hacerlo

así que para resumirlo nuevamente Mi

idea es que ustedes pueden empezar

primero Aprendiendo a programar

principalmente usando python luego

aprender a utilizar apis usando

servicios como replicate o hanging Face

o proyectos abiertos en github luego

poder estudiar bibliotecas de python

dedicadas al análisis de datos además de

estudiar algunos conceptos básicos de

matemáticas y luego pasar a los

frameworks de a esto te va a permitir

entender el funcionamiento y las bases

del Deep learning y la elaboración de

modelos inteligentes en temas como redes

neuronales o arquitecturas de redes

neuronales como serían los Transformers

y aplicados a áreas como el procesado de

lenguaje natural y luego ya pasar a un

nivel mucho más avanzado quizás

entendiendo conceptos de Deep learning y

temas relacionados a matemáticas como

puede ser el cálculo el ág la lineal

probabilidades y estadística de forma

avanzada aquí ya estarías desarrollando

tus primeros modelos inteligentes

basados desde cero y podrías ir

especializando mucho más con

certificaciones y cursos y de hecho para

aprender a todo esto es Genial porque

puedes utilizar a este punto chat gpt y

en combinación con libros que te

mencionado y una guía de estudio es

posible llegar a convertirse en un

profesional Por supuesto Siempre y

cuando le dediques las horas de estudio

adecuadas cada día y como les mencioné

también hay otros temas relacionados que

si bien no son netamente Ai Sí están

basados en estos por ejemplo hay

profesionales que se dedican a la

seguridad también pueden tener algún

tipo de rol estudiando Ai para mejorar

profesionalmente y conocer Cómo se

aplica Ai en el ámbito de la seguridad o

también hay roles que se basan en Cómo

una ía puede afectar en el uso cotidiano

a profesiones y demás que por lo general

está mucho más enfocado en determinados

roles que van más allá de tan solamente

desarrollar modelos a plantear estudios

y generar reportes o incluso también hay

profesionales que se dedican solamente a

la regulaciones Ai sin embargo una de

las profesiones que más se va a

necesitar realmente es el rol de Ai

engineer que es básicamente la persona

que crea estos modelos y no tan

solamente está alrededor de estos

teniendo estos fundamentos luego puedes

participar en cualquiera de esas otras

áreas sin ningún problema pero esto

sería el núcleo fundamental de cómo se

están creando estos modelos inteligentes

Esta es una ruta que yo también estoy

siguiendo y estoy investigando

continuamente Así que el artículo que

está escrito en este caso también lo voy

a estar publicando en mi web y lo voy a

dejar el enlace en la descripción para

que ustedes también puedan aprenderlo

junto conmigo esto ha sido el video del

día de hoy Espero que esta ruta al menos

les sirva es la ruta que yo estoy

siguiendo Y si hay algo que ustedes

quieran recomendar o algún recurso en

español o en inglés pueden hacerlo

fácilmente usando la caja de comentarios

nos vemos en un siguiente video eso ha

sido todo por el video del día día de

hoy si tienes dudas puedes dejarla en

los comentarios o en la descripción dejo

un enlace para que te puedas unir a la

comunidad de discord en donde

encontrarás a otros desarrolladores o si

en caso el enlace está caído puedes ir a

fastd para acceder más rápidamente dejo

mi Twitter donde típicamente comparto

algunos recursos interesantes de

desarrollo y programación en general mi

Instagram donde comparto algunas

noticias cortas todos los días el tiktok

donde comparto videos cortos e

informativos y mi canal principal en

donde comparto opiniones y noticias de

tendencias nuevas además también dejo mi

web en donde puedes reservar asesorías

personal analizadas Gracias por ver y

nos vemos en un próximo video