Ruta de Aprendizaje para aprender Inteligencia artificial
Summary
TLDREl 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
📚 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.
👨🏫 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.
💻 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.
🔗 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.
📈 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.
🧠 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.
Mindmap
Keywords
💡Inteligencia Artificial
💡Aprendizaje Profesional
💡Programación
💡Python
💡Machine Learning
💡Deep Learning
💡Frameworks de IA
💡APIs
💡Nivel de Dificultad
💡Investigación de IA
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
Browse More Related Video
Qué es Inteligencia Artificial Generativa?
La guia definitiva para entender la Inteligencia Artificial
La inteligencia artificial aplicada a la investigación científica
¿Qué puedo hacer con Inteligencia artificial de manera fácil? / Para profesores.
¿Qué es y cómo funciona la INTELIGENCIA ARTIFICIAL?
Aprende Python en 15 Minutos 📗
5.0 / 5 (0 votes)