El campo de aprendizaje automático o Machine Learning (ML) está experimentando un crecimiento acelerado. Actualmente, hay un gran impulso por la demanda de soluciones en sectores tecnológicos como el Desarrollo de Software y Tecnologías de la Información.

Además, sectores que típicamente no usaban tecnología, ahora buscan cómo agregar valor a sus procesos, por ejemplo, en el campo de la medicina, en el de la industria de transformación y agroindustria, entre otros.

Este crecimiento ha generado nuevas oportunidades para especialistas en ML, pero también plantea desafíos únicos en términos de desarrollo profesional. Algunos detonadores del crecimiento profesional de los especialistas en Machine Learning en México, son los siguientes:

1.- Educación continua: Es importante acceder a programas de educación continua de calidad. En mi experiencia, es muy difícil encontrar profesionales con conocimientos teóricos sólidos y con un pensamiento crítico científico, ya que muchos se capacitan en cursos cortos que limitan la comprensión de las bases teóricas.

Además, limitan la práctica en problemas reales. Por lo tanto, es importante fomentar una educación continua con bases teóricas fuertes, además de fomentar que las y los alumnos tengan experiencia en casos reales.

2.- Especialización: Como mencionamos anteriormente, hay muchas industrias que quieren implementar modelos de ML, por lo que es necesario contar con especialistas con conocimientos transversales; por ejemplo, que comprendan los procesos y requerimientos únicos de cada industria.

Aunque ya hay algunas industrias que cuentan con científicos de datos, la irrupción de nuevos modelos generativos hace necesaria la incorporación de especialistas en arquitecturas de tipo transformadores.

3.- Actualización: Es fundamental mantenerse actualizado en el área de ML. En México, instituciones educativas y plataformas en línea ofrecen una amplia gama de cursos y certificaciones en ML.

Invertir en la actualización de calidad puede abrir nuevas oportunidades laborales y mejorar la competitividad en el mercado. Debido a la alta demanda de profesionales con experiencia en ML en México, es recomendable estudiar posgrados, tomar cursos especializados, acudir a conferencias internacionales y participar en talleres y oportunidades para fortalecer e intercambiar experiencias.

4.- Fortalecer el ecosistema y tener acceso a recursos de cómputo de alto desempeño: En México, hay una creciente necesidad de hardware para Deep Learning. Sin este acceso, se vuelve imposible tener modelos de competencia internacional.

Además, es importante contribuir al fortalecimiento de la comunidad de desarrolladores, asistiendo a eventos no formales de código abierto en ML. El intercambio de ideas y experiencias en un ambiente no formal permite una colaboración más simple entre diferentes actores.

El crecimiento profesional en el campo del ML en México está impulsado por una combinación de educación continua-especialización, participación en comunidades y eventos, y acceso a hardware especializado. Al aprovechar estos detonadores, los especialistas en ML pueden avanzar en sus carreras, ser competitivos y contribuir al desarrollo de nuevas técnicas de ML.

________________________

El autor de este artículo, el Dr. Ulises Moya, es Director de Inteligencia Artificial del Gobierno de Jalisco, y Catedrático en los posgrados en Ciencias Computacionales y Ciencia de Datos en la Universidad Autónoma de Guadalajara.