La inteligencia artificial (IA) es una tecnología que ha avanzado a pasos agigantados y se ha integrado en nuestra vida cotidiana de formas que antes pasaban desapercibidas. Aunque su presencia no siempre fue evidente, ya estaba en aplicaciones como las recomendaciones de música en Spotify o las sugerencias de películas en Netflix. Sin embargo, con el desarrollo de modelos avanzados, como los transformers, hemos presenciado un salto significativo en la evolución de las inteligencias artificiales de gran escala (LLM).
Cuando descubrí el mundo de la IA, me atrapó la combinación de estadística y programación. Python se convirtió en mi herramienta clave para entender los modelos de Machine Learning, y mi curiosidad, siempre mi motor, me llevó a dar el siguiente paso: transicionar hacia la ingeniería en IA y compartir mi camino con otros.
Por eso, me uní a un club de estudio de Machine Learning respaldado por Google GDG, donde exploramos:
✅ Matemáticas para Machine Learning: Desde álgebra lineal hasta cálculo y probabilidad.
✅ Lectura de papers de IA: Para entender lo último en investigación.
✅ AI Study Jam: Aprender con ejercicios prácticos.
Al mismo tiempo, leer el artículo de Shobhakar Tiwari complementó mi visión sobre el camino a seguir. Esto me motivó a investigar y armar mi propio roadmap para lograr el objetivo de convertirme en AI Engineer. Esta transición no es un cambio radical, sino un crecimiento gradual que me permite combinar mi experiencia en desarrollo móvil con el poder de la inteligencia artificial.
No necesitas un doctorado para aprender IA. Si quieres empezar, aquí tienes recursos que te ahorrarán horas de búsqueda:
🔹 Matemáticas:
- 3Blue1Brown – Explicaciones visuales sobre álgebra lineal y cálculo.
- Coursera – Matemáticas aplicadas al aprendizaje automático
🔹 Plataformas de práctica:
- Kaggle – Retos prácticos y datasets para experimentar con IA.
🔹 Fundamentos de teoria computacional:
🔹 Lenguajes de programación
¿Cuál probarás primero? Cuéntamelo en los comentarios.
La clave: No aprendas solo
Un elemento que ha sido de gran ayuda es el accountability partner. Como James Clear menciona en Hábitos Atómicos, la responsabilidad compartida aumenta el compromiso y la consistencia en el aprendizaje. El aprendizaje es más fácil cuando no lo haces solo.
❗ ¿Te gustaría conectar con otros interesados en IA?
🔗 Deja un comentario o envíame un mensaje. Juntos podemos formar un grupo de aprendizaje donde compartamos recursos, resolvamos dudas y nos motivemos en este camino hacia la inteligencia artificial.
No importa si eres principiante o ya tienes experiencia, el mejor momento para empezar es ahora. ¡Comparte este artículo con alguien que también quiera explorar el fascinante mundo de la IA!