Cómo convertirse en ingeniero de visión artificial

La visión artificial (CV) es un campo de la inteligencia artificial que entrena a los ordenadores para interpretar y comprender el mundo visual. Esta tecnología funciona de forma muy parecida a la vista humana, pero con algunas diferencias importantes: los seres humanos disponen de toda una vida de contexto para aprender a distinguir objetos, calcular a qué distancia están, determinar si se mueven y detectar si hay algún problema en una imagen.

La tecnología de CV no solo permite a los ordenadores visualizar imágenes, sino también extraer su contenido o propósito, por ejemplo, determinando las distancias y los movimientos de los objetos que se aproximan. Gracias a los avances en inteligencia artificial y a las innovaciones en deep learning y redes neuronales, este campo ha progresado enormemente en los últimos años y ha superado a las personas en algunas tareas relacionadas con la detección y el etiquetado de objetos.

La CV permite desarrollar soluciones para sectores del mundo real, como el sanitario, donde resulta extremadamente útil para aplicaciones de diagnóstico. Sin embargo, la CV también se aplica a muchos otros ámbitos, como el deporte, el comercio minorista, la agricultura, el transporte y la fabricación, entre otros. En Ultralytics, hacemos que el entrenamiento de modelos y el aprendizaje automático estén al alcance de todos. Nuestro objetivo es ayudarte a aprovechar el potencial de la inteligencia artificial sin tener que preocuparte por todos los detalles técnicos. Gracias a nuestro trabajo, hemos visto incluso a alumnos de secundaria empezar a entrenar sus propios modelos con Ultralytics Platform y YOLOv5.

«La visión artificial es una de las cosas más extraordinarias que han surgido del mundo del deep learning y la inteligencia artificial. Los avances que el deep learning ha aportado al campo de la visión artificial han hecho que destaque de verdad».

Wayne Thompson, científico de datos en SAS

Los ingenieros de CV aplican la IA de visión y la investigación en machine learning para resolver problemas del mundo real. Por lo general, cuentan con mucha experiencia en distintos sistemas, como el reconocimiento de imágenes, el machine learning, la IA periférica, las redes y las comunicaciones, el deep learning, la inteligencia artificial, la computación avanzada, la anotación de imágenes, la ciencia de datos y la segmentación de imágenes y vídeos. Así que, sin más preámbulos, queremos presentarte a un ingeniero de visión artificial y compartir su experiencia.

¡Conoce a Muhammad!#

Muhammad Rizwan Munawar es ingeniero de visión artificial. Se ha graduado en Informática, con especialización en inteligencia artificial, por la Universidad COMSATS de Islamabad, campus de Wah. Su experiencia no se limita al campo de la visión: sabe que adquirir otras habilidades puede ayudarle a crecer y avanzar en su carrera, por lo que también tiene conocimientos de aplicaciones de escritorio, desarrollo web front-end y creación de paneles atractivos. Actualmente trabaja como autónomo y desarrolla soluciones para distintos casos de uso según las necesidades de sus clientes.

¿Cómo empezaste en el machine learning y la IA de visión?#

«Bueno, ha sido un camino lleno de obstáculos y trabajo constante. Cuando empecé, ni siquiera sabía qué era la detección de objetos, pero sentía curiosidad y me apasionaba sobre todo la IA de visión. Estaba en el último año de mis estudios cuando empecé a trabajar como autónomo, simplemente para aprender nuevas habilidades. Al mismo tiempo, también empecé a aprender conceptos básicos de machine learning a través de varios canales de YouTube. Tras trabajar de forma constante durante 7-8 meses, adquirí buenos conocimientos de IA de visión y deep learning, y decidí continuar mi carrera profesional en el campo de la CV».

¡Cuéntanos tu experiencia con Ultralytics YOLOv5!#

«Llevo utilizando Ultralytics YOLOv5 desde su lanzamiento, pero para desarrollar y modificar el modelo adecuadamente según los distintos casos de uso, llevo 1,5 años utilizando YOLOv5». «Al principio, el problema que abordaba estaba relacionado con la detección de objetos, así que empecé a explorar distintos algoritmos para esa tarea. Tras investigar durante un tiempo, comparé el mAP de diferentes detectores de objetos y me di cuenta de que la precisión de YOLOv5 en el conjunto de datos COCO era muy alta en comparación con la de otros detectores de objetos disponibles en aquel momento. Así que etiqueté mis datos y ajusté YOLOv5 con mis propios datos para detectar personas». «YOLOv5 es muy fácil de usar, modificar y ajustar, y su enorme comunidad siempre está disponible para ayudar si alguien tiene algún problema. Las actualizaciones periódicas de YOLOv5 hacen que cada día me resulte más fácil realizar la detección de objetos de forma muy eficiente».

Los 3 consejos de Muhammad para principiantes#

1. Aprende conceptos nuevos con regularidad y mantén una rutina constante. Muhammad considera que la constancia es uno de los factores más importantes de su éxito.
2. Sigue pensando en ideas nuevas, ¡no importa que sean descabelladas! Te ayudarán a reflexionar sobre las cosas en profundidad. Intenta llevar estas ideas a la práctica hasta cierto punto y anótalas en algún documento. Sigue siempre esta estrategia.
3. Desarrolla proyectos relacionados con la CV. Trabajar en proyectos con regularidad te ayudará a aprender y a desarrollar interés por este campo.

¡Gracias por leer sobre la trayectoria de Muhammad! Si quieres saber más sobre su trabajo, echa un vistazo a su blog de Medium. Y, para estar al día de las últimas noticias de Ultralytics YOLOv5 e IA visual, síguenos en Twitter y LinkedIn.