es el nuevo rol “candente” en la escena tecnológica, y muchas personas están desesperadas por conseguir este trabajo.
Veo tantas publicaciones en línea que dicen cómo puedes convertirte en ingeniero de inteligencia artificial en unos pocos meses.
Déjame ser claro: cualquiera que te diga que puedes convertirte en ingeniero de IA en seis meses te está vendiendo un sueño.
La realidad es que llevará más tiempo, pero eso no significa que no puedas intentar acelerar el proceso.
Si eres nuevo aquí, soy Egor. Trabajo como ingeniero de aprendizaje automático y también soy asesor profesional para personas que se dedican a los datos, la inteligencia artificial y el aprendizaje automático.
He visto de primera mano qué funciona y qué es simplemente una pérdida de tiempo.
¡Entremos en ello!
Aclaremos exactamente qué es un ingeniero de IA, ya que existe mucha confusión en línea.
Tengo un artículo aparte que explica las diferencias clave, pero en pocas palabras, un ingeniero de IA es un ingeniero de software que se especializa en el uso y la integración de modelos GenAI fundamentales como Claude, GPT, BERT y otros.
No “construyen” estos modelos desde cero como un científico de datos o un ingeniero de aprendizaje automático; más bien, los utilizan para cumplir un propósito específico.
Por ejemplo, pueden incorporar un chatbot en un sitio web de compras para ayudar a los clientes a encontrar lo que buscan más rápidamente, o agregar un asistente de codificación en un IDE, como Cursor.
Como los ingenieros de IA son ingenieros de software especializados, necesitan conocer las prácticas fundamentales de la ingeniería de software y tener un sólido conocimiento de los sistemas de IA.
Este conjunto de habilidades es poco común, pero tiene una gran demanda hoy en día debido al revuelo en torno a la IA. Entonces, naturalmente, el salario de los ingenieros de inteligencia artificial es muy alto y muchas empresas pagan entre 200.000 y 300.000 dólares, según niveles.fyi.
Como puedes ver, es una carrera bastante atractiva con mucho potencial de crecimiento. Repasemos ahora exactamente cómo puedes convertirte en uno.
Una realidad desafortunada es que es extremadamente difícil ingresar a la ingeniería de IA sin ninguna experiencia previa.
Esto se debe a que la profesión requiere suficiente experiencia en datos, aprendizaje automático, ingeniería de software y, naturalmente, inteligencia artificial.
Por lo tanto, deberá convertirse en científico de datos o ingeniero de software durante al menos un año antes de pensar en convertirse en ingeniero de inteligencia artificial.
Que usted se convierta en científico de datos o ingeniero de software depende de usted y de su experiencia.
Sin embargo, personalmente recomiendo comenzar primero como ingeniero de software, ya que está más estrechamente relacionado con la función de ingeniería de IA.
Tampoco tienes que confiar en mi palabra; Greg Brockman (CTO de OpenAI) también está de acuerdo en que es mejor ser ingeniero de software primero y luego mejorar sus conocimientos de IA/ML.
Como ingeniero de software, debes esforzarte por aprender las herramientas y tecnologías necesarias para convertirte en un ingeniero de IA, que incluyen:
Python: todo el ecosistema AI/ML está construido en Python, por lo que debería poder escribir código de producción sólido en este lenguaje. SQL: la IA gira en torno a los datos y SQL es el lenguaje de los datos. Herramientas de desarrollo de software: necesita saber cosas como git para el control de versiones, conceptos básicos de zsh/bash y comprender cómo crear y usar API. Tecnologías de diseño de sistemas: el sistema de inteligencia artificial que eventualmente construirá deberá escalarse y probablemente lo implementará en plataformas en la nube como AWS, Azure, GCP utilizando herramientas como Docker y Kubernetes.
Recursos
Línea de tiempo
El cronograma depende de cuánto tiempo le lleve conseguir un trabajo de ingeniería de software o ciencia de datos.
Siendo práctico, si tienes experiencia en STEM con algún conocimiento sólido y realmente te esfuerzas, puedes conseguir trabajos en estos roles en aproximadamente 6 meses.
Luego, debe permanecer en este puesto durante aproximadamente un año antes de intentar cambiar a ingeniería de inteligencia artificial para asegurarse de haber cubierto los conceptos básicos.
Hay muchas guías en línea sobre cómo iniciarse en la ingeniería de software y tengo varias hojas de ruta para convertirse en un científico de datos que también puede consultar.
Además de su trabajo de tiempo completo como ingeniero de software, deberá mejorar sus habilidades en los conceptos básicos de AI/ML para asegurarse de progresar rápidamente en su viaje.
Ciertamente no es necesario tener un nivel de comprensión de Doctorado en Matemáticas, ya que no creará estos modelos desde cero, pero le brindará detalles básicos para profundizar en temas más avanzados en una fecha posterior.
Estas son las cosas que debes saber:
Fundamentos de matemáticas: una sólida descripción general de estadística, probabilidad, álgebra lineal y cálculo le ayudará a comprender lo que sucede bajo el capó. Aprendizaje supervisado: conozca cómo funcionan los algoritmos básicos como la regresión lineal, los árboles de decisión y las máquinas de vectores de soporte. Aprendizaje no supervisado: conozca cómo funcionan los algoritmos básicos como K-Means y K-Nearest-Neighbor. Redes neuronales: son la columna vertebral de los LLM, y tener una buena comprensión de temas como la retropropagación, los gradientes de fuga y las funciones de activación le permitirá depurar modelos de IA más rápido en el futuro. Conceptos básicos de los LLM: aunque no creará LLM desde cero, trabajará con ellos todos los días, por lo que es bueno tener algunos conocimientos sobre cómo funcionan. Debe aprender sobre áreas como transformadores, codificadores automáticos, tokenización e incrustaciones.
Recursos
Línea de tiempo
Aprender los fundamentos dependerá exactamente de cuánto tiempo estudies mientras trabajas como científico de datos/ingeniero de software.
La recomendación es integrar al máximo estos conceptos en tu trabajo diario.
Si estuviera estudiando todo esto fuera del horario laboral, anticiparía que me tomaría entre 3 y 6 meses si te esfuerzas.
En este punto, es hora de profundizar en los conceptos e ideas específicos que utilizará como ingeniero de IA en el mundo real.
Este campo está evolucionando rápidamente y cada mes hay algo nuevo que aprender. Enumeraré aquí los fundamentos eternos, ya que son, con diferencia, los más importantes.
API de IA: servicios como la API de OpenAI le permiten integrar modelos potentes sin necesidad de crearlos usted mismo. Esta es la forma más rápida de empezar a crear aplicaciones reales con capacidades de IA. Ingeniería rápida: aprender a comunicarse eficazmente con modelos de IA es una habilidad crucial. Las indicaciones bien diseñadas pueden mejorar drásticamente los resultados del modelo y son esenciales para obtener resultados consistentes. Recuperación de generación aumentada (RAG): comprenda cómo conectarse los LLM a bases de datos externas como Pinecone y utilice información relacionada para mejorar la precisión de las respuestas del modelo de IA. Protocolo de contexto de modelo (MCP): la forma estandarizada de conectar sus modelos de IA a aplicaciones externas como archivos, servidores y otras aplicaciones. LangChain: este es el mejor paquete para trabajar con modelos de IA en Python. Proporciona toda la arquitectura que necesita para crear y conectar LLM sin problemas. Ajuste fino: comprenda cómo mejorar el rendimiento de un modelo de IA entrenándolo con datos específicos para que responda mejor y proporcione resultados para un caso de uso determinado.
Recursos
Línea de tiempo
Aprender estos conceptos llevará un poco menos de tiempo que aprender los fundamentos de AI/ML, ya que hay menos material que cubrir.
Anticiparía que se necesitarían entre 2 y 3 meses para aprender todo a un buen nivel.
Existe mucha confusión sobre qué proyectos se deben construir para conseguir un trabajo en ingeniería de IA.
En pocas palabras, los mejores proyectos son aquellos que son intrínsecamente motivadores para usted y también benefician a algún tipo de usuario o cliente final.
Estos son los pasos de alto nivel:
Idea: haga una lluvia de ideas y temas que sean personales para usted y un problema que desee resolver. Esto debería surgir de tus propios pensamientos e investigaciones; No busques en Internet ni le pidas a gente como yo ideas para proyectos. Cualquier cosa que te dé será inmediatamente un mal proyecto para ti. Datos: encuentre datos novedosos y interesantes utilizando API públicas, sitios web gubernamentales, web scraping, etc. Desea replicar los datos desordenados que encontrará en el mundo real. Implementación: debe demostrar su capacidad para implementar sistemas de inteligencia artificial de un extremo a otro. Esto incluirá almacenamiento de datos, limpieza de datos, conexión de modelos y luego cierta integración en el front-end a través de una API o incluso una aplicación web. Debe coincidir lo más posible con el trabajo que realizará como ingeniero de inteligencia artificial a tiempo completo. Documento: nadie sabrá sobre su proyecto si no se lo cuenta a la gente. Haz una publicación en LinkedIn, escribe un artículo de blog y agrégalo a tu portafolio. Asegúrese de que su proyecto tenga un archivo README claro y bien organizado en GitHub para que las personas puedan probarlo por sí mismas. Comparte tu trabajo tanto como sea posible, ya que aumentará tus posibilidades de ser visto por posibles empleadores.
Línea de tiempo
Crear buenos proyectos y construir una cartera sólida llevará tiempo. Lo ideal sería que crear dos proyectos de primer nivel le llevara unos 3 meses en total. Esto supone que puedes dedicar 1 hora por día a construirlos.
Esto podría ser una publicación completa en sí misma, pero déjame darte el nivel alto 80/20 de lo que debes hacer:
Reanudar
Para redactar un excelente currículum, asegúrese de que todo sea específicamente sobre ingeniería de inteligencia artificial:
Tenga sus habilidades técnicas en la cima con herramientas y tecnologías relevantes para roles de ingeniería de IA. Haz que tus proyectos sean claramente visibles con métricas, cifras y, especialmente, el impacto financiero. Mantenlo simple: colores neutros, una sola columna, fuentes fáciles de leer y solo una página. Indique su experiencia relevante como ingeniero de software o científico de datos.
Tengo un artículo completo sobre cómo hacer un excelente currículum que puedes consultar a continuación, así como una plantilla ya preparada que puedes usar.
Haga evidente en su perfil de LinkedIn que se postula para puestos de ingeniería de IA:
Su título debe contener “Ingeniero de IA”, no “aspirante”, por favor. Por ejemplo, ¿quién querría contratar a un “aspirante” a dentista? Incluya palabras clave en las secciones “Acerca de mí” y “Experiencia”, pero agréguelas de forma orgánica y no escriba párrafos. Haz que tu perfil sea estético con una foto clara y un banner atractivo. Esto hace una diferencia mayor de lo que piensas.
Referencias y establecimiento de contactos
La mayoría de la gente piensa que necesitan crear muchos proyectos y realizar un sinfín de cursos para destacar y conseguir un trabajo.
Eso es una completa pérdida de tiempo.
Las referencias son el billete de oro para cualquier trabajo tecnológico.
Según un estudio, las recomendaciones representan el 7% de las solicitudes, pero el 40% de todas las contrataciones. Si lo recomiendan, tiene casi 6 veces más probabilidades de conseguir el trabajo de sus sueños.
Ese apalancamiento es una locura.
La forma de obtener una referencia es bastante sencilla y todo lo que requiere es algo de confianza de su parte.
Encuentre empresas que contraten ingenieros de IA o empresas para las que le gustaría trabajar. Explore a sus empleados en LinkedIn y encuentre a alguien similar a usted. Podría ser alguien con la misma universidad y experiencia, idealmente también un ingeniero de inteligencia artificial. Conéctate y envíales un DM que contenga algo que te haya gustado sobre su perfil, su trayectoria o cualquier tema personal. Nunca solicites una referencia en el primer mensaje. Charle con ellos y hágales preguntas sobre su trabajo, proyectos y cualquier cosa interesante que estén haciendo. Después de algunos mensajes, es cuando solicita una referencia o cualquier comentario sobre su currículum.
El proceso es tan simple que el problema es que la gente tiene demasiado miedo para hacerlo.
Sin embargo, nunca he tenido una mala experiencia, porque siempre empiezas con un cumplido o una apertura sobre ellos.
A la gente le encanta hablar de sí misma y todo lo que necesitas hacer es parecer amigable y demostrar que estás interesado en ella.
Línea de tiempo
Conseguir un trabajo puede variar mucho y, a veces, también puede depender de la suerte. Sin embargo, si realmente buscamos referencias y evitamos distracciones de proyectos y cursos, esto debería llevar 6 meses.
Entonces, para convertirse en ingeniero de inteligencia artificial, le llevará, con optimismo, alrededor de 2 años, pero primero también debe conseguir un trabajo como ingeniero de software o científico de datos.
Puede parecer mucho tiempo, pero estos puestos requieren altas habilidades y pagan salarios ridículos. No puedes esperar hacer un par de cursos y entrar directamente en ellos.
Si después de leer este artículo realmente quieres convertirte en ingeniero de inteligencia artificial, ¡genial!
Sin embargo, como acabo de mencionar, primero debes convertirte en un científico de datos. Afortunadamente, en uno de mis artículos anteriores, escribí exactamente los pasos que seguiría si volviera a ser científico de datos.
¡Te veré allí!
Únase a mi boletín gratuito donde comparto sugerencias, ideas y consejos semanales de mi experiencia como científico de datos e ingeniero de aprendizaje automático en ejercicio. Además, como suscriptor, ¡obtendrás mi plantilla de currículum GRATIS!
Distribuyendo los datos
Correos electrónicos semanales que le ayudarán a conseguir su primer trabajo en ciencia de datos o aprendizaje automáticonewsletter.egorhowell.com