Gestor de aprendizaje automático

Horario de trabajo

• Los gestores de aprendizaje automático trabajan a jornada completa, normalmente con noches, fines de semana y festivos libres, aunque ocasionalmente pueden ser necesarias horas extraordinarias.

Tareas típicas

• Buscar áreas en las que el aprendizaje automático (ML) pueda aplicarse a proyectos y procesos existentes.
• Reunirse con la dirección y los equipos de la empresa para explicar conceptos, proponer estrategias y revisar posibles repercusiones y beneficios.
• Crear una hoja de ruta de aprendizaje automático en la que se enumeren los procesos y los problemas, así como las matemáticas, los recursos y las herramientas que deben utilizarse.
• Ejecutar las iniciativas de LD según el calendario previsto 
• Dirigir equipos de ML que pueden incluir científicos de datos, ingenieros y programadores.
• Aumentar la concienciación de los usuarios sobre cómo se está adoptando el ML y qué cambios pueden necesitar conocer.
• Trabajar con los equipos de gestión de dispositivos móviles según sea necesario para garantizar que las nuevas estrategias de datos se apliquen de manera eficiente.
• Generar e implantar algoritmos capaces de extraer información útil de grandes conjuntos de datos.
• Evaluar objetivamente las distintas metodologías y sus resultados
• Utilizar lenguajes de programación y herramientas como Python, R y TensorFlow
• Desarrollar procesos automatizados para la validación de modelos predictivos

Responsabilidades adicionales

• Trabajar con las empresas asociadas según se indique para compartir conocimientos, ideas o información sobre los cambios.
• Crear sólidas redes de colaboración externa para mejorar el aprendizaje
• Formar o tutelar a los miembros del equipo y a los subdirectores

Habilidades blandas

• Analítica
• Visión empresarial
• Habilidades de comunicación
• Decisivo
• Orientado al detalle
• Ética
• Independiente 
• Capacidad de liderazgo
• Objetivo
• Organizado
• Paciente 
• Resolución de problemas
• Trabajo en equipo

Habilidades técnicas

• Inteligencia artificial
• Grandes datos 
• Minería de datos
• Ciencia de datos
• Hadoop
• Aprendizaje automático
• Modelización predictiva
• Python
• Ciclo de vida del desarrollo de software
• SQL
• Análisis estadístico 
• Ámbitos y entornos técnicos

• Empresas de consultoría
• Comercio electrónico/tiendas minoristas
• Sector financiero
• Organismos gubernamentales
• Empresas sanitarias y farmacéuticas
• Fabricación
• Instituciones de investigación
• Empresas tecnológicas

Se espera que los directores de aprendizaje automático estén en la cima de su carrera y preparados para dirigir equipos de forma eficaz con el fin de alcanzar los objetivos organizativos relacionados con el aprendizaje automático. 

Deben ser creativos, éticos y con visión de futuro, capaces de encontrar y explotar todas las oportunidades para integrar y aprovechar las capacidades de ML e impulsar el rendimiento. En esta era de competitividad de alta tecnología, las empresas que no se mantengan a la vanguardia de las tendencias pueden quedarse atrás rápidamente y perder clientes.

El aprendizaje automático está evolucionando rápidamente y hay varias tendencias notables a las que seguir la pista. Entre ellas se encuentra el avance del aprendizaje profundo y las redes neuronales profundas inspiradas en la red interconectada de neuronas del cerebro humano. El aprendizaje por refuerzo también es una tendencia candente en robótica, que consiste en entrenar programas (también conocidos como agentes) para que interactúen con el entorno mediante el método de ensayo y error.

A medida que los modelos de ML se vuelven más complejos, los investigadores deben prestar atención a las consideraciones éticas y a la forma en que los modelos de ML toman decisiones. Otras tendencias incluyen conceptos como el aprendizaje federado, el aprendizaje por transferencia y los modelos preentrenados, AutoML, edge computing y el ML en el dispositivo, cada uno de los cuales los gestores de aprendizaje automático deben conocer para estar al día. 

Los directores de aprendizaje automático probablemente se enamoraron de la tecnología a una edad temprana. Es posible que se interesaran por las matemáticas, la codificación informática y los lenguajes de programación. También es probable que les gustara la resolución analítica de problemas o incluso leer sobre las repercusiones de la tecnología en las empresas. 

El trabajo en equipo es una parte importante de este campo profesional, pero los directores de aprendizaje automático son líderes que deben estar dispuestos a actuar cuando hay desacuerdos. Su trabajo consiste en garantizar un comportamiento y una toma de decisiones adecuados en el ámbito del aprendizaje automático. Esta capacidad de liderazgo podría haberse desarrollado a través de actividades extraescolares en la escuela.