Las 10 Habilidades en Data Science más buscadas durante el 2020
Según una encuesta del sitio de noticias kdnuggets.com estos conocimientos han sido los más demandados este año. Mi propuesta es prepararse desde enero del 2021 tomando una habilidad para cada mes, si la pandemia secuestra de nuevo nuestra movilidad en los meses de enero-febrero-marzo es muy probable completar un buen entendimiento de Reinforcement Learning, TensorFlow y Deep Learning Algorithms. Conocimientos que sinceramente pueden llevarnos a otro nivel y aplicando con ellas el resto de las 7 habilidades faltantes.
- Reinforcement Learning (Aprendizaje por Refuerzo)
- TensorFlow
- Deep Learning Algorithms
- PyTorch
- AWS (Amazon Web Services)
- Natural Language Processing
- Apache Spark
- Docker
- No-SQL Databases
- Computer Vision
Enero es el mes para lanzarnos de lleno a mejorar nuestras perspectivas profesionales mediante las habilidades de desarrollo en IA. Hice un recorrido por la web buscando cursos de buena calidad con contenidos traducidos al español y con un nivel básico hasta intermedio. El Aprendizaje por refuerzo es una rama del Aprendizaje Automático (Machine Learning) para quienes aún no tienen una idea clara del global del Machine Learning es importante iniciar con estos cursos:
- Introducción al Aprendizaje Automático www.kaggle.com/learn/intro-to-machine-learning
- Curso Intensivo de Aprendizaje Automático https://developers.google.com/machine-learning/crash-course/ml-intro
Febrero es el momento de conocer al menos los fundamentos de TensorFlow. Es una biblioteca de JavaScript creada por el equipo de Google para todos los interesados en tareas de aprendizaje automático y dado que Google la promueve y actualiza ya tiene un gran crecimiento.
- Introducción a TensorFlow https://www.youtube.com/watch?v=5ECD8J3dvDQ
- TensorFlow en 10min https://www.youtube.com/watch?v=tXVNS-V39A0
- Primera red neuronal para principiantes https://www.tensorflow.org/tutorials/keras/classification?hl=es-419
Marzo puede ser el mes borde donde la restricciones por la pandemia pueden comenzar a flexibilizarse, pero es muy importante utilizar ese tiempo en casa para dedicar a los algoritmos de aprendizaje profundo (Deep Learning Algorithms). Es importante entender como funcionan y para que sirven estos 5 algoritmos de aprendizaje profundo: Convolutional Neural Networks (CNNs), Long Short Term Memory Networks (LSTMs), Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs) y Radial Basis Function Networks (RBFNs)
- Redes Neurales Convunsionales con TensorFlow https://www.tensorflow.org/tutorials/images/cnn
- Redes de Memoria a largo plazo https://colah.github.io/posts/2015-08-Understanding-LSTMs/
- Redes Neurales Recurrentes https://www.ibm.com/cloud/learn/recurrent-neural-networks
- Red generativa antagónica https://developers.google.com/machine-learning/gan/gan_structure
- Redes de Base Radial https://pythonmachinelearning.pro/using-neural-networks-for-regression-radial-basis-function-networks/
- Curso de Aprendizaje profundo para principiantes https://www.coursera.org/learn/ai-for-everyone#enroll
Abril es PyTorch, esta biblioteca de aprendizaje automático para Python creada por Facebook en su gran mayoría esta a disposición de todos y también es una gran herramienta en el desarrollo de proyectos de AA.
- Aprendizaje Profundo con Pytorch en 1 hora https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html
Mayo es AWS, en los servicios de Amazon Web Services es vital tener conocimientos en el manejo de S3, Lambda y una breve idea de algunos de los servicios de Machine Learning que Amazon ya tiene a disposición: SageMaker, Augmented AI, Comprehend, Forecast, Fraud Detector, Kendra, Lex, Polly, Rekognition, Textract, Transcribe, etc
- AWS S3 (Simple Storage Service) https://www.aws.training/Details/Curriculum?transcriptid=ivqtdG5fB0mMWi-gtBG_Rw2&id=26930#modules
- Fundamentos de AWS Lambda https://www.aws.training/Details/eLearning?id=27197
- Juego de Herramientas para Machine Learning de AWS https://www.aws.training/Details/Curriculum?id=27155
Junio es la oportunidad de explorar el procesamiento de lenguaje natural poniendo en practica algunos conocimientos de los meses pasados.
- Solución de Procesamiento de Lenguaje Natural de AWS https://www.aws.training/Details/Curriculum?id=27153
Julio es para Big Data con Apache Spark, este framework es muy utilizado en los proyectos de Big Data y no debe faltar su conocimiento en el currículo de un Científico de Datos.
- Curso básico de Apache Spark https://www.youtube.com/watch?v=VPgbN5_r1E4
Agosto es Docker, esta herramienta es muy practica para crear y distribuir nuestros variados ambientes de trabajo.
- Curso básico de Docker https://www.udemy.com/course/docker-essentials/
Septiembre es la oportunidad para dedicar tiempo a conocer el mundo de las bases de datos No-SQL a través de MongoDB. Registrate en Mongo University y decide la ruta de aprendizaje que mas se acomode al tiempo que quieras disponer. https://university.mongodb.com/
Octubre es el mes final y se lo destinamos a poner en practica los conceptos de Computer Vision.
- Servicio de Computer Vision de AWS https://www.aws.training/Details/eLearning?id=36443
- Construyendo un modelo de visión computarizada con TensorFlow https://codelabs.developers.google.com/codelabs/tensorflow-lab2-computervision#0
- Computer Vision de Microsoft Azure https://azure.microsoft.com/es-es/services/cognitive-services/computer-vision/