Expectativa vs Realidad # 1
Expectativa: Estaré bien equipado con las habilidades que necesito para entrar en el campo de estudio (Inteligencia Artificial).
Realidad: La verdad está lejos de ella. En el campo de la IA, la aplicación práctica es clave. Las empresas que contratan ingenieros de IA/Aprendizaje automático (ML) o científicos de datos quieren saber que tiene la experiencia adecuada en términos de aplicación de modelos teóricos en conjuntos de datos de la vida real. Tener una Maestría en IA construye una base sólida del conocimiento teórico subyacente a los diversos modelos de ML, pero la mayoría de las veces no se traduce en aplicaciones de la vida real.
¿Significa eso que sería imposible que alguien sin experiencia entrara en la IA? En absoluto, los empleadores a menudo buscan la participación en las competiciones de Kaggle y también el nivel de actividad en Github y los usan como un proxy para medir su nivel de interés en el campo. Ser capaz de tomar lo que ha aprendido en el aula y aplicarlo en cualquier aplicación de la vida real es valioso a los ojos del empleador. Por ejemplo, si aprendiera sobre el aprendizaje Q (Profundo) en clase, construir un bot que aprenda a jugar un juego Atari o Pac-man ya sería una gran victoria.
Comida para llevar: Aplica siempre lo que aprendiste en el aula. Nadie va a creer que eres capaz de hacer el trabajo solo porque tienes un Maestro.
Expectativa vs Realidad # 2
Expectativa: Estoy interesado en convertirme en científico de datos, por lo tanto, mi enfoque debe estar en la construcción de los mejores modelos con alta precisión. La eficiencia del código y saber cómo construir canalizaciones de ML son de importancia secundaria.
Realidad: En el campo de la IA, el talento es escaso. Hay más empresas que desean formar un equipo de Ingenieros de Datos, Analistas de Datos y Científicos de Datos de las que hay en el mercado. Como resultado, casi siempre se espera que haga más de lo que su título de trabajo le permitiría. Sin mencionar que tener ese conjunto de habilidades bajo su cinturón lo hará más flexible en su búsqueda de trabajo.
También, inevitablemente, las empresas de ciertas industrias están obligadas a ser más rápidas en términos de adopción de IA. El comercio electrónico, la tecnología e incluso las empresas de atención médica se han beneficiado en gran medida de la IA y, si bien las industrias como las finanzas también tienen mucho que ganar, es sin duda más lenta en su adopción debido a la regulación financiera. La comprensión de la etapa en la cual una empresa es en términos de IA adopción es crucial, ya que se daría un fuerte sentido de cómo cada miembro del equipo debería contribuir a que la ML de la pila.
El tamaño de los equipos también es una fuerte indicación de cuán segregados están los deberes de cada miembro. En general, cuanto más grandes sean los equipos, más segregadas serán las tareas del trabajo, y viceversa. Para entender esto, imagine una empresa que comienza a adoptar la IA. Querrían contratar a alguien con mucha experiencia relevante y capaz de construir e implementar modelos de principio a fin. Por el contrario, las grandes empresas tecnológicas como Facebook y Google probablemente tendrían equipos individuales para cada función de trabajo.
Para llevar: Aprenda todas las demás habilidades que necesita para poder implementar un modelo de aprendizaje automático de adelante hacia atrás.
Expectativa vs Realidad # 3
Expectativa: Debería aplicar a grandes empresas de tecnología como FANG para obtener el mejor aprendizaje, ya que son los líderes en este campo.
Realidad: Si bien las grandes empresas tecnológicas como FANG son atractivas debido a sus paquetes de pago y su reputación, a menudo es extremadamente difícil entrar en una. Por mi parte, no he trabajado en ninguna de las empresas FANG, pero me imagino que trabajar con un grupo de personas altamente inteligentes con intereses similares sería un lugar ideal para aprender.
¿Qué más puedo conformarme entonces? Realmente depende de la industria en la que esté interesado y de lo que le gustaría aprender. Si usted es alguien que está interesado en la visión por computadora, encuentre empresas que sean grandes en esa área y cuya misión y visión resuenen con usted. En esta época de IA, todo se trata de crear valor y hacer la vida mucho más fácil para el consumidor. Encuentre una empresa que se relacione con usted y a la que le gustaría agregar valor.
Si eres como yo, que está más centrado en aprender las habilidades que necesito, entonces la empresa a la que estás aplicando no debería importar demasiado. Debería ser el alcance del trabajo lo que deberías estar examinando. Debe ser un área de su interés donde pueda cumplir con la mayoría de los requisitos del trabajo, pero también aprender cosas nuevas a diario. Para mí, ahí es donde el aprendizaje y la satisfacción laboral prosperan.
Comida para llevar: Concéntrese en lo que le gustaría aprender, en lugar de en la empresa a la que está solicitando.