¿Qué hace una Machine Learning Engineer?

ML Engineer

Es la encargada de recibir el modelo generado por una Data Scientist para poder desplegarlo en producción (ponerlo a disposición de un usuario final).

• Crear productos basados en IA

• Escalar modelos de IA (masivo y usado por muchas personas)

Día a día de ML Engineer

• Generar una evaluación extensiva de métricas de los modelos de machine learning.

• Construir, escalar y robustecer sistemas de ML que funcionen en producción.

• Colaborar con Data Scientists y otras áreas de ingeniería de software.

• Monitorear el desempeño y funcionalidad de los sistemas de machine learning para validar que los modelos continúen en vigencia.

Porque este curso ha sido para LAS Data Scientist, para LAS Data Eng, para LAS MLearning Eng?? No entiendo este lenguaje “Inclusivo” y a la vez tan Exclusivo, es el mayor desequilibrio que tiene el curso que al oido del estudiante suena fatal.

el dia a dia de ML Engineer

Les recomiendo leer este artículo para ampliar más el concepto. Aquí

Excelente punto de partdia: https://platzi.com/tutoriales/2681-datacademy/12788-bitacora-reto-dataacademy-semana1/

Comparto mis apuntes #18 (Notion)

Esta es la línea que tengo planeado seguir. Se nota que tiene mi nombre.

El Machine Learning enseña a las computadoras y a los robots a realizar acciones y actividades de forma tan natural como los humanos o los animales: aprendiendo de la experiencia (o mejor dicho, a través de programas de Machine Learning). En esencia, los algoritmos de Machine Learning utilizan métodos matemático-computacionales para aprender información directamente de los datos, sin modelos matemáticos ni ecuaciones predeterminadas. Los algoritmos de Machine Learning mejoran su rendimiento de forma “adaptativa” a medida que aumentan los “ejemplos” de los que aprender. Así que vamos a intentar entender qué es el Machine Learning, cómo funciona y cuáles son sus aplicaciones.

Podríamos definir al Machine Learning como la capacidad de las máquinas (entendidas como computadoras y robots) de aprender sin haber sido explícita y previamente programadas (al menos como en el sentido tradicional de la informática).

En cualquiera de estos tres casos, estamos hablando de sistemas informáticos capaces de analizar grandes cantidades de datos (big data), identificar patrones y tendencias y, por tanto, predecir de forma automática, rápida y precisa

La machine learning engineer es la encargada de llevar a producción aquello que con los datos obtenidos y trabajados por los data analyst como data scientist se logro hacer. Por ejemplo, si mis datos arrojaron que para aumentar las ventas es necesario añadir la opción de comprar mediante tarjetas virtuales la machine learning debe hacer posible esto, de tal manera que mediante la interfaz que permite la interacción con el usuario se retorne nuevamente la información a datos que permita generar nuevas estrategias de crecimiento en la compañía.

Se escucha muy prooo!

Día a día Machine Learning

• Generar una evaluación extensiva de métricas de modelos de machine learning.
• Diseñar y construir sistemas de machine learning.
• Crear y ejecutar pruebas A/B de los modelos de machine learning.
• Monitorear el desempeño y funcionalidad de los sistemas de machine learning.
• Colaborar directamente con Data Scientists y otras áreas de ingeniería de software para asegurar la funcionalidad del producto final.

Resumen propuesto => Una machine learning engineer esta en constante dialogo entre los data scientist y usuario final mediante:

1. la evaluación y el monitoreo del modelo IA,
2. Esta en constante dialogo con el equipo de desarrollo.

Información resumida de esta clase
#EstudiantesDePlatzi

• Una Machine Learning Enginner recibe el modelo por la Data Scientist y los despliega a producción

• Se evalúa con un A/B Testing que puede funcionar mejor

• Monitorea el desempeño de los sistemas de Machine Learning

El Machine Learning Engineer es el rol encargado de evaluar y hacerle seguimiento al modelo que está en producción para de ser posible, reentrenar con los nuevos datos que se están recibiendo. Trabaja conjuntamente con el equipo de data science y software engineer; de uno toma el modelo que se pondrá en producción y con el otro colabora para aplicar estos algoritmos a disposición del usuario final.

Me encanta la inclusividad de la clase 😃

El día a día de una MLE.

Qué es una MLE?

Este rol es una espcializacion en machine learning, utilizando algoritmos y paquetes que automaticen procesos de prediccion.

ML Emgineer "Un Machine Learning Engineer es la intersección de la ingeniería de software y data science. Aprovechan las herramientas de Big Data y los marcos de programación para garantizar que los datos recopilados se redefinan como modelos de ciencia de datos.

Mis apuntes Notion

accede aquí

Un ingeniero de aprendizaje automático es una persona que se encarga de desarrollar y mejorar sistemas de aprendizaje automático. Esto incluye diseñar y entrenar modelos de aprendizaje automático, evaluar su rendimiento y optimizarlos para que funcionen de manera eficiente y precisa en situaciones específicas. También pueden trabajar en la integración de sistemas de aprendizaje automático en aplicaciones y sistemas empresariales, así como en la investigación y desarrollo de nuevos enfoques y técnicas de aprendizaje automático. En general, un ingeniero de aprendizaje automático es un experto en el campo de la inteligencia artificial que se dedica a utilizar técnicas de aprendizaje automático para resolver problemas complejos.

Un ingeniero en aprendizaje automático es una persona que se encarga de desarrollar y mejorar sistemas de aprendizaje automático, que son una subclase de algoritmos de inteligencia artificial que permiten que una computadora “aprenda” a partir de datos en lugar de seguir un conjunto fijo de instrucciones. Esto puede incluir tareas como seleccionar y preparar los datos que se utilizarán para entrenar a un modelo, diseñar y entrenar modelos de aprendizaje automático, evaluar y mejorar el rendimiento de los modelos, y trabajar en la implementación de los modelos en aplicaciones prácticas. En resumen, un ingeniero en aprendizaje automático se encarga de desarrollar y mejorar los sistemas que permiten que las computadoras aprendan y mejoren su rendimiento a medida que reciben más datos.

Este rol es más orientado a operaciones, debería llamarse ML Ops

Un camino lleno de muchos desafíos. Se antoja atractivo 🤓:
Matemáticas, programación, bases de datos, ML, algoritmos de ML, aprendizaje profundo, visualización de datos… hasta llegar a la Ingeniería de ML… uff 🙃

Qué hace un Machine Learning Engineer?

• Genera extensivas evaluaciones de métricas de los modelos de Machine Learning.
• Implementa el modelo de Machine Learning a producción.
• Colabora con la Data Science y el equipo de desarrollo del producto.
• Analiza el desempeño de los modelos de Machine Learning.
• Mantiene actualizado el modelo Machine Learning.

Extracto de: Que hace un Machine Learning Engineer?

El ML engineer es el encargado de recibir el modelo generado por un data scientist para poder desplegarlo a producción. Crea productos basados en IA y los escala.

Tareas frecuentes de un ML engineer

• Genera evaluaciones de métricas de modelos de ML
• Construir, escalar y robustecer sistemas de ML
• Colaboración con DS para recibir el modelo
• Colaboración con Devs para desplegar el modelo
• Monitorear el desempeño de los modelos de ML

like it.

Exclentes datos sobre el Machine learning engineer

Pasos y Roles en el flujo de trabajo de DS

Encontre esta comparación de que es un Data Science y qu es un Machine Learning Engineer.

Es aquel que toma los modelos de Machine Learning que realiza el Data Scientist, los evalua y hace seguimiento de estos modelos para mejorarlos.

Interesante rol, aun no se si me gustaría hacer esto

Machine Learning Engineer: Role and Skills

https://automationacademy.com/en/blog/machine-learning-engineer-role-and-skills

Un ingeniero profesional de aprendizaje automático diseña, crea y produce modelos de AA para resolver desafíos comerciales mediante las tecnologías de Google Cloud y el conocimiento de modelos y técnicas comprobados de AA. El ML Engineer tiene en cuenta los principios de IA responsable durante el proceso de desarrollo del AA y colabora estrechamente con otras funciones para garantizar el éxito a largo plazo de los modelos. El ML Engineer debe dominar todos los aspectos de la arquitectura de los modelos, la interacción de las canalizaciones de datos y la interpretación de métricas. También debe estar familiarizado con los conceptos fundamentales del desarrollo de aplicaciones, la administración de infraestructuras y la ingeniería y administración de datos. A través de una comprensión del entrenamiento, el reentrenamiento, la implementación, la programación, la supervisión y la mejora de los modelos, el ML Engineer diseña y crea soluciones escalables para un rendimiento óptimo.