El rol del Ingeniero en Machine Learning está a punto de convertirse en uno de los más populares en el campo de TI, sugiere un nuevo informe de Robert Half, Jobs y AI Anxiety.

El informe, que analiza el futuro del trabajo y cómo la tecnología transformará los puestos de trabajo, revela que el 30% de los gerentes encuestados actualmente está utilizando Inteligencia Artificial (IA) y Machine Learning (ML), y el 53% espera adoptar soluciones dentro de los próximos tres a cinco años.

A medida que más organizaciones comienzan a explorar e invertir en Machine Learning e Inteligencia Artificial, buscan contratar más expertos para integrar estas tecnologías en sus iniciativas empresariales.

En términos prácticos, el trabajo de un Ingeniero de Machine Learning es similar al de un Data Scientist. Ambos roles trabajan con vastas cantidades de información, requieren habilidades excepcionales de gestión de datos y la capacidad de realizar modelos complejos en conjuntos de datos dinámicos.

Pero aquí termina la similitud. Los profesionales de datos producen información, generalmente en forma de gráficos o informes que se presentan a una audiencia. Los ingenieros Machine Learning, por otro lado, diseñan software de ejecución para automatizar modelos predictivos. Cada vez que el software realiza una operación, utiliza esos resultados para realizar operaciones futuras con un mayor grado de precisión. Así es como el software, o máquina, «aprende».

Un ejemplo bien conocido de ML es el algoritmo de recomendación de Netflix, Amazon y otros servicios orientados al consumidor. Cada vez que un usuario ve un video o busca un producto, estos sitios agregan más puntos de datos a su algoritmo. A medida que crece la cantidad de datos, las recomendaciones del algoritmo al usuario para otro contenido se vuelven más precisas.

ML está estrechamente relacionado con la IA, y ML abarca el Deep Learning (DL). Este subcampo utiliza redes neuronales artificiales para «pensar» y resolver problemas complejos con conjuntos de datos de varias capas.

¿Por qué este perfil está en demanda?

Hoy en día, las empresas están repletas de datos, desde las interacciones con los clientes hasta las redes del Internet of Things. El Machine Learning es esencial para aprovechar al máximo los datos de una empresa.

Las aplicaciones de ML son tan variadas como los propios datos. Algunas aplicaciones comunes incluyen:

• Reconocimiento de imágenes y voz: el ML es excelente en el etiquetado automático de imágenes, conversiones de texto a voz y cualquier otra cosa que requiera convertir datos no estructurados en información útil.
• Información sobre el cliente: el aprendizaje de reglas de asociación, la forma en que el software ML realiza conexiones, impulsa los algoritmos en el corazón del comercio electrónico, y les dice a los consumidores que compran el producto A que les gustaría el producto X.
• Gestión de riesgos y prevención de fraudes: los algoritmos ML pueden analizar grandes volúmenes de datos históricos para hacer predicciones financieras, desde el desempeño futuro de la inversión hasta el riesgo de incumplimiento de los préstamos. Las pruebas de regresión también facilitan la detección de transacciones fraudulentas en tiempo real.

• ¿Qué esperar de est tipo de profesional? Descripción del trabajo.

Debido a que ML es un rol emergente, no muchos especialistas tienen experiencia directa. Es por eso que la mayoría de las descripciones de puestos de los Ingenieros hoy en día buscan Científicos de Datos con experiencia en programación.

Una descripción de trabajo para ingenieros de aprendizaje automático incluye típicamente lo siguiente:

• Título avanzado en informática, matemáticas, estadística o una disciplina relacionada.
• Amplias habilidades de modelado de datos y arquitectura de datos.
• Experiencia en programación en Python, R o Java.
• Antecedentes en marcos de aprendizaje automático como TensorFlow o Keras.
• Conocimiento de Hadoop u otro sistema informático distribuido.
• Experiencia trabajando en un entorno ágil.
• Habilidades matemáticas avanzadas (álgebra lineal, estadísticas bayesianas, teoría de grupos).
• Comunicaciones fuertes escritas y verbales.

• ¿Cómo avanzar en la carrera de Ingeniero en Machine Learning?

Enfócate en perfeccionar tus habilidades de codificación. Python es el lenguaje de programación más popular en ML. La gran razón es que es relativamente fácil de aprender, pero Python también cuenta con un excelente soporte de bibliotecas de aprendizaje automático. R también se usa comúnmente, y es posible que necesite Java y / o C ++ para desarrollar aplicaciones.

Para los programadores que deseen especializarse, necesitarán experiencia en el manejo de grandes conjuntos de datos. Una forma de hacerlo es unirse a Kaggle, el sitio propiedad de Google que se anuncia a sí mismo como «el lugar para hacer proyectos de ciencia de datos».

Para diferenciarse de la multitud, considere tomar cursos de Amazon, el gigante del Machine Learning y creador de Alexa. Amazon Web Services (AWS) ofrece capacitación y certificación de ML.