</> CodeBooks
    ← Volver a IA: fundamentos y aplicaciones (página 3)
    Portada de How to Build Your Career in AI

    How to Build Your Career in AI

    Andrew Ng

    Editorial
    DeepLearning.AI
    Año
    2023
    Páginas
    ~41
    Nivel
    Básico

    De qué trata

    Guía estratégica y formativa de 41 páginas publicada por DeepLearning.AI, en la que Andrew Ng sintetiza los principios esenciales para iniciar, reconvertir o consolidar una trayectoria profesional dentro del campo de la inteligencia artificial y el aprendizaje automático moderno. La obra está pensada tanto para estudiantes y programadores como para profesionales técnicos de otras disciplinas que desean dar el salto a la IA y buscan orientación clara para estructurar su aprendizaje sin perderse en el exceso de información.

    El texto articula la progresión profesional en tres fases clave: aprendizaje de fundamentos, desarrollo de proyectos y búsqueda de empleo. En el bloque formativo, Ng detalla las competencias técnicas indispensables: machine learning clásico, deep learning (redes neuronales y transformers), matemáticas aplicadas (álgebra lineal, probabilidad, estadística y cálculo básico), junto con programación en Python y análisis exploratorio de datos (EDA). Además, ofrece pautas metódicas para identificar problemas de negocio reales que justifiquen una solución de IA, diseñar un portafolio técnico progresivo, preparar currículums técnicos y utilizar entrevistas informativas y redes de contacto profesional para superar obstáculos habituales como el síndrome del impostor.

    Al ser una guía concisa de mentoría y planificación de carrera, no contiene código fuente ni proyectos guiados de programación, centrando su valor en una perspectiva estratégica de primer nivel aportada por uno de los pioneros de la educación en IA. Deja fuera la implementación técnica y los algoritmos matemáticos profundos, por lo que resulta un mapa de ruta idóneo para leer antes de iniciar cursos técnicos o proyectos prácticos.

    • Carrera en IA
    • Machine Learning
    • Deep Learning
    • Portafolio de proyectos
    • Entrevistas técnicas
    • Networking profesional
    • Matemáticas para IA
    • Python para IA

    ¿Cómo enseña?

    TeóricoPráctico

    Teórico

    • ✗ Sin ejercicios
    • ✗ Sin proyectos

    Más de IA: fundamentos y aplicaciones con nivel Básico