Cursos de ML, entre la teoría y la práctica (publicado en LinkedIn)

Como decía ya en la entrada anterior, este blog ha estado dormido varios años. No es que haya dejado de escribir, es que he estado probando otras plataformas.

En junio de 2022, publiqué en LinkedIn un artículo en que repasaba mi experiencia con varios cursos de Machine Learning, y los distintos enfoques que suelen tener, desde los que son eminentemente teóricos, a los totalmente prácticos.

Desde mi punto de vista, el enfoque práctico se centra en enseñarte a usar las herramientas para manipular datos con la teoría mínima, mientras que el enfoque teórico añade una capa conceptual mucho más sólida. Personalmente, me opongo a la idea de aplicar modelos como si fuera un autómata, simplemente haciendo «fit-predict» sin entender qué hay detrás. Creo, por respeto a la profesión y a mí mismo, que es crucial comprender los fundamentos estadísticos de cada algoritmo que aplicamos. Esto no solo nos permite justificar por qué elegimos un modelo y no otro, sino que es una vía más óptima que probar librerías al azar hasta que una funcione.

Por mi experiencia, muchos cursos se inclinan hacia lo puramente mecánico y, aunque no son inútiles si ya tienes la base teórica, no te convierten en un Data Scientist. Para quienes deseen iniciar este camino, me atrevo a recomendar el «Professional Certificate in Data Science» de la Universidad de Harvard. Aunque se basa en R, encontré que su equilibrio entre teoría y práctica es excelente. Mi consejo es complementarlo después con un curso práctico de Machine Learning en Python.

Cuando escribí el artículo aún no había encontrado un curso de ML basado en Python que me gustara tanto. Aquí aprovecho para hacer una actualización al respecto: un tiempo después hice el curso del MIT-IDSS «Data Science and Machine Learning: Making Data Driven Decisions«, en la plataforma Great Learning. En mi opinión, es muy recomendable.

Finalmente, ya en octubre de 2024, finalicé el Máster en Big Data & Data Science de la Universidad de Barcelona, en el que se trabaja con R, Python y otros lenguajes.

Enlace al artículo completo en LinkedIn