¿Qué tan fácil es cambiar una carrera de Ingeniería de Software a una carrera de Aprendizaje Automático? ¿Cuál debería ser mi primer conjunto de pasos de bebé?

Me gusta diferenciar entre Aprendizaje automático aplicado y Aprendizaje automático teórico. Tratos teóricos con el desarrollo de nuevos algoritmos de ML; Ofertas aplicadas con aplicaciones del mundo real.

En el caso de Teórico, ese es un cambio difícil, principalmente porque hay pocos lugares que respalden su investigación. También hay muchas matemáticas detalladas que debes dominar para realmente hacer Aprendizaje teórico de máquinas.

Para aplicado es relativamente fácil. La mayoría de los algoritmos de ML están disponibles en R o Python. Hay muchos cursos en línea para guiarlo por los conceptos básicos. Una vez que haya completado, aplique los métodos a algunos problemas. Intente usar ML en cosas como los datos de Lending Club para predecir posibles incumplimientos de préstamos.

Me gusta recomendar eso porque resalta una de las grandes diferencias entre Ingeniería de Software y Machine Learning. Los objetivos en ingeniería de software están mejor definidos; los requisitos son conocidos y el software que produce es comprobable.

El aprendizaje automático es un paradigma diferente. Es muy basado en datos. Entonces, incluso si los algoritmos están codificados correctamente, diferentes conjuntos de datos requieren mucha afinación. Con el aprendizaje automático comienzas a lidiar con el concepto de Verdadero Positivo, Falso Positivo, Verdadero Negativo y Falso Negativo. Debe aceptar la idea de que el algoritmo tendrá errores. Mucha gente lucha con esto.

Otra diferencia es que sus modelos envejecerán y serán menos efectivos a medida que pase el tiempo. Esto es especialmente cierto en aplicaciones donde hay un adversario: un estafador, un ciberdelincuente, un lavador de dinero. La mayoría de los programas de computadora funcionarán durante años una vez que hayan sido suficientemente probados.

Uno de los mayores desafíos será su aceptación del paradigma basado en datos. Los algoritmos y la tecnología los encontrará relativamente simples.