Icone color1 06

Mi viaje hacia el Deep Learning

Autor: Favio Vázquez

mi viaje 1

Un poco sobre mí y Deep Learning

Vengo de la física y la ingeniería en computación. Estudié en Venezuela, y luego hice una Maestría en Física en México. Pero me considero un Científico de Datos. ¿Interesante no? Así que, aunque tengo una amplia experiencia en matemáticas, cálculo y estadísticas, no fue fácil comenzar con el machine learning y el deep learning .

Estas asignaturas no son nuevas, pero la forma en que las estudiamos, cómo construimos el software y las soluciones que las usan, y también la forma en que las programamos o interactuamos con ellas, han cambiado dramáticamente.

Hice un artículo antes donde cubro parte de la teoría del deep learning y por qué es tan importante en este momento, pero algo que decir de nuevo es que los factores que hicieron que el deep learning fuera el “boom” del momento fue el desarrollo de varias simples pero importantes mejoras algorítmicas, los avances en hardware (principalmente GPU) y la generación y acumulación exponencial de datos en la última década.

 

mi viaje 2

¿Dónde comencé?

Cuando estudiaba Ingeniería en Computación, tuve una clase sobre Inteligencia Artificial (ese era el nombre del curso) alrededor del 2012. En ese momento, estaba realmente confundido con el tema. Quiero decir, sabía que era importante (en ese momento “por razones”), pero era extraño.

Estudié sistemas expertos, redes neuronales, algoritmos genéticos, y leí algunos artículos, dos que encontré realmente interesantes fueron:

Cuando leí esos artículos (no sabía sobre los avances en el machine learning, o incluso si existían), pensé que realmente estábamos muy lejos de alcanzar la Inteligencia Artificial “real”. Sigo pensando que no estamos tan cercanos como pensamos, y hay algunas cosas que tenemos que resolver, pero más sobre eso más adelante.

Entonces, porque para mí en ese momento (22 años) la IA era una esperanza perdida, comencé a estudiar computación cuántica, para mí era lo que venía antes de la IA, por supuesto que estaba equivocado:

 

mi viaje 3

Pero bueno, fue realmente interesante para mí porque mezcló mucha ciencia e ingeniería.

Mi interés en la IA

Entonces, volviendo a IA y todo eso, ¿qué pasó? ¿Por qué ahora soy tan apasionado de la IA, el machine learning, el deep learning cuando estaba seguro de que estábamos lejos de todo eso?

 

 

mi viaje 4

 

Lo que me sucedió fue Apache Spark y Andrew Ng . ¿Qué?

En 2014 (24 años), acababa de graduarme en Física, haciendo mi tesis sobre simulaciones de agujeros negro en Ingeniería, y luego, ¡boom! Descubrí Coursera, Machine Learning, Andrew Ng y Apache Spark.

 

Estaba tan asombrado con el aprendizaje serio en línea, algo que no probé antes (todavía no sé por qué), y comencé a hacer cursos sobre todo, desde genómica a astronomía, desde Scala a Python, desde el machine learning hasta las teorías filosóficas de Søren Kierkegaard (él es increíble por cierto).

No tenía un camino o un mentor, así que solo estaba explorando el mundo, tratando de descubrir qué quería hacer con mi vida .

Y luego, al mismo tiempo (finales de 2014), descubrí el curso de Andrew Ng sobre Machine Learning y el proyecto Apache Spark . Hice el curso en 2 semanas, no podía creer lo increíble que era este campo. Luego comencé a codificar lo que aprendí en Scala y Apache Spark, así que aprendí sobre computación distribuida, Hadoop, HDFS y todas esas cosas geniales.

Algunos de mis proyectos iniciales (no tan buenos) sobre machine learning y Spark pueden encontrarlos en mi GitHub. ¡Ve a mi primer repositorio!

Mi primer trabajo de Data Science

 

 

 

 

mi viaje 5

 

Conseguí mi primer trabajo como un trabajo de Data Science que finaliza en 2014, fui el único científico de datos en la empresa que intentaba averiguar qué puede hacer con los datos. Estaba muy confundido, ¡las cosas no estaban como en los cursos! Ya no estaba importando el conjunto de datos de Iris en R, estaba lidiando con datos extraños y no tenía idea de que los datos estaban “sucios” en la vida real.

Pero seguí aprendiendo todo el tiempo. De hecho, no estaba seguro (¡en absoluto!) De qué era la ciencia de datos en aquel entonces.

Construí algunos modelos simples, y los más complejos, principalmente en Scala y Python. Scala fue mi vida en 2015.

 

Las aventuras cosmológicas

mi viaje 6

Teoría de Roger Penrose de la Cosmología Cíclica Conformada

La ciencia de los datos fue mi segunda pasión después de la Física y la Cosmología (creo que ahora están en el mismo lugar), así que vine a México para hacer una Maestría en Física. Fue una experiencia increíble, pero aún faltaba algo. ¡Necesitaba codificar! ¡Me encantaba la programación!

Tomé cursos de Física fundamental, como Mecánica clásica, Mecánica cuántica, pero también Métodos numéricos, Computación de alto rendimiento y luego Razonamiento Bayesiano y Machine learning.

 

Así que al final mi maestría se dividió en mis dos pasiones. Y codifiqué mucho en mi tesis en Python, así que estaba muy feliz.

Convertirse en un científico de datos

Cuando terminé mi maestría (2017) decidí que lo que quería hacer era ayudar a la sociedad a ser un Científico de Datos. Sí, me tomó un tiempo.

Si deseas conocer mi viaje sobre cómo obtuve un trabajo increíble en el campo, echa un vistazo a esta publicación en el blog que hice hace tiempo: ¿Cómo conseguir un trabajo como Científico de Datos?

También comencé a compartir mi experiencia, pensamientos y conocimiento en mi LinkedIn , algo que era muy importante. Conocí gente increíble, eso me ayudó mucho, y ahora estoy ayudando a la gente, devolviendo :).

Todos los días estudio, código, contribuyo en proyectos de código abierto y también ayudo a la gente, así que estoy muy contento con lo que estoy haciendo.

¿Qué hay del deep learning?

 

mi viaje 7

 

¿No era esta una publicación sobre Deep Learning?

Sí, pero tenía que decirte por qué el deep learning es importante para mí ahora. Todos esos pasos que tomé me permitieron llegar a este punto.

Como Científico de Datos, así como en la mayoría de las carreras, necesitas estar al día con las teorías, tecnologías y frameworks; así que el año pasado vimos la explosión en Deep Learning, justo cuando me sentía cómodo con Machine Learning, algo completamente nuevo de aprender. Increíble pero estresante.

 

 

 

 

Entonces, ¿sabías dónde comencé? Adivina…

¡SÍ! ¡Con Andrew Ng de nuevo!

 

 

 

mi viaje 8

 

https://www.deeplearning.ai

Estoy realmente asombrado con él. Cuando estoy empezando en un campo, él ya lo está enseñando.

Pero bueno, todavía estoy haciendo estos cursos. Pero no me detuve allí. Necesitaba más información práctica también. Entonces comencé a aprender TensorFlow y luego Keras .

Para aquellos que no saben, Keras es una API de redes neuronales de alto nivel, escrita en Python y capaz de ejecutarse sobre TensorFlow , CNTKoTheano . Fue desarrollado por François Chollet con el objetivo de permitir la experimentación rápida. Poder pasar de la idea al resultado con la menor demora posible es la clave para hacer una buena investigación.

Existen excelentes recursos para el aprendizaje práctico de deep learning, como repositorios y libros en GitHub. En este momento estoy leyendo este libro, y ha sido una adición increíble a mi biblioteca:

 

https://www.manning.com/books/deep-learning-with-python