¿Qué formación necesita un ingeniero experto en ‘machine learning’?

‘Machine learning’ es la tecnología que rige muchas facetas de nuestro a día a día: del reconocimiento facial de los dispositivos a la predicción del tráfico, de las recomendaciones de productos a los vehículos autónomos, de los asistentes virtuales a la educación, de los diagnósticos clínicos a la detección de fraudes. Se trata de una rama de la ciencia de datos que posibilita, mediante el uso de algoritmos, que las máquinas ‘aprendan’ a partir de los datos del pasado determinados patrones de comportamiento con base en los cuales toman decisiones de forma automática encaminadas a que las cosas funcionen mejor.

Uno de los perfiles necesarios para construir motores de datos capaces de llevar a cabo estas tareas son los ingenieros expertos en ‘machine learning’, que se encargan de desplegar las soluciones de inteligencia artificial para que sean accesibles por parte de los usuarios, además de velar por su mantenimiento.

Una profesión nueva y muy cotizada

“En la actualidad estamos viviendo el comienzo de la era del ‘big data’”, dice Regino Criado, director del máster de ciberseguridad y ‘machine learning’ en la Universidad Rey Juan Carlos. De acuerdo con el experto, se está configurando un campo científico multidisciplinar que pretende transformar los datos en información valiosa y útil para definir modelos cuantitativos de problemas complejos, entender el comportamiento de los sistemas, hacer pronósticos sobre resultados futuros de los mismos y tomar decisiones para controlar su comportamiento. Esta disciplina permite “dar respuesta a preguntas como las siguientes: ¿Es posible detectar un brote epidémico a partir de datos? ¿Se puede diagnosticar de forma automática una enfermedad a partir de los datos médicos de un paciente?”, explica el profesor Regino Criado.

“En el ámbito financiero, las aplicaciones prácticas de esta técnica incluyen desde la detección de fraude en comercios ‘online’ a la clasificación de los movimientos de la tarjeta que nos facilita controlar nuestro gasto, por ejemplo en transporte o gasolina”, explica César de Pablo, científico de datos en BBVA AI Factory. “Sin embargo, para que esa aplicación llegue no es suficiente con tener un buen modelo matemático sino que hay que ponerlo a funcionar, que es la labor de los ingenieros de ‘machine learning’. Además, cualquier funcionalidad basada en datos requiere una monitorización constante, ya que las circunstancias cambian”.

Un informe de LinkedIn sitúa el trabajo de ingeniero de ‘machine learning’ como el cuarto cuya demanda más crecerá en 2022.

La adopción del aprendizaje automático es cada vez mayor en todas las industrias, según el informe The State of AI 2021 (McKinsey), y un componente crítico para el éxito es la gestión del ciclo de vida de los modelos de aprendizaje automático (MLOps). Según el estudio de O'Reilly The State of Machine Learning Adoption in the Enterprise, el 50% de los encuestados afirma haber adoptado el aprendizaje automático en diferente medida.

Por tanto, las personas con formación en esta disciplina suelen estar demandadas en el mercado laboral. Pero todavía no son muy numerosas porque es una especialidad bastante nueva, lo cual la convierte en una profesión muy cotizada. La agencia multinacional de empleo LinkedIn designó la de científico de datos (con conocimientos en ‘machine learning’) como la tercera profesión emergente de 2022. Estima su crecimiento en un 37%. Otro informe de la misma empresa sitúa el trabajo de ingeniero de ‘machine learning’ como el cuarto cuya demanda más crecerá en 2022.

Debido a la juventud de esta profesión, pocos de los actuales profesionales del mundo de la tecnología han empezado sus carreras como ingenieros de esta área. La mayoría de quienes se ocupan de ella se han dedicado anteriormente a roles de ingeniero, desarrollador de ‘software’ o científico de datos.

Otra vía para el aprendizaje de ‘machine learning’ también lo constituyen los cursos ‘online’, como los de Google. Hay muchos otros, algunos diseñados por universidades de gran prestigio, como Standford (San Francisco, EEUU), tanto sobre el diseño de modelos de ‘machine learning’ como de los sistemas que los usan. De un tiempo a esta parte, las universidades españolas han empezado a ofertar cursos y másteres, presenciales, como los de URJC o la UC3M, o a distancia, como los de UNED o UNIR.

Cálculo matemático, estadística, programación…

Los conocimientos que se requieren para trabajar en esta área tecnológica abarcan diversas materias. “Por un lado, para poder entender el funcionamiento de los algoritmos utilizados”, indica Alberto Muñoz Cabanes, director del Máster en ‘machine learning’ de la UNED. “Es fundamental contar con conocimientos previos de cálculo matemático, optimización y álgebra matricial”, añade. Junto con lo anterior, resulta muy importante contar con conocimientos de estadística descriptiva e inferencia, sobre todo cuando se trabaja con modelos basados en técnicas de regresión lineal.

Dado que la mayor parte del aprendizaje automático actual se desarrolla usando lenguajes como Python, es altamente recomendable tener conocimientos de programación. Un  requisito adicional es tener conocimientos de bases de datos y un lenguaje de consulta como SQL.

Por último, para integrar las funcionalidades de aprendizaje automático dentro de sistemas más complejos, es necesario adquirir conocimientos sobre cómo desplegar ‘software’ y modelos de ‘machine learning’ (DevOps o más específicamente MLOps) conociendo herramientas de integración continua o de monitorización. Con la evolución de muchas empresas hacia la computación en la nube, lo ideal es adquirir esta experiencia en plataformas como Google Cloud o Amazon Web Services.

Un último paso es la especialización. Dado que el aprendizaje automático puede utilizarse en múltiples sectores, “conviene que el científico de datos o el ingeniero de ‘machine learning’ que utilice este tipo de técnicas tenga ciertos conocimientos sobre las variables o ‘features’ que vaya a incluir en el modelo para poder dar sentido a los resultados obtenidos”, dice Alberto Muñoz Cabanes.

Por este motivo, expertos en otras ramas del conocimiento como filología o ciencias sociales podrían colaborar con ingenieros de datos en áreas como, por ejemplo, el tratamiento de lenguaje natural o la detección de patrones de comportamiento de grandes grupos humanos a partir de datos, entre otras.