Explorar la experiencia de las prácticas de verano de ML en Microblink

En el ámbito de las aficiones, Leon se dedica al piano, David se centra en los dardos y Janko destaca en el bádminton. Sin embargo, su fervor colectivo por el aprendizaje automático constituye su vínculo definitivo.

Así que, cuando llegó la oportunidad de sumergirse en un verano de experiencia práctica en ML, ¡la aprovecharon! 💪

El Centro de Carreras Profesionales de la FER y Microblink unieron sus fuerzas para crear una oportunidad de prácticas que sirviera de puente entre la teoría y la aplicación en el mundo real. León, David y Janko se subieron al carro y consiguieron su billete dorado para las prácticas. Charlamos con el ambicioso trío para que nos cuenten sus motivaciones, experiencias y conclusiones de formar parte del equipo de ML de Microblink.

¿Qué te motivó a solicitar estas prácticas de verano en Microblink?

León: Lo que me atrajo a presentar mi candidatura fue el arraigado enfoque de la empresa en el ML. Microblink Me llamó la atención la reputación de la empresa de albergar al principal equipo de ML de Croacia, y sentí una conexión instantánea con la cultura de la empresa y las personas dinámicas que trabajan aquí. La experiencia que cada persona aporta y su voluntad de ayudar realmente resonaron en mí. Me pareció un entorno en el que podría cultivar mi potencial, un sentimiento que se vio reforzado durante el proceso de selección de becarios de ML.

Janko: Por todo lo que había averiguado, la sensación que tenía era que la estructura interna aquí es de primera categoría, con procesos empresariales bien definidos, lo que permite al equipo sumergirse por completo en sus tareas. Mis expectativas eran altas en cuanto a un entorno que fomente oportunidades de aprendizaje sustanciales, y estoy encantada de decir que esas expectativas se han cumplido con creces. Me ha hecho sentir verdaderamente satisfecha. Inicialmente buscaba un espacio técnico y orientado a la ingeniería, pero lo que he encontrado aquí ha superado realmente esas nociones iniciales. Esta agradable sorpresa tiene su origen en mi deseo de formar parte de un entorno que inspira a superar los propios límites más allá de la norma. El enfoque para abordar los retos es notablemente global, con una meticulosa actitud de resolución de problemas. La estructura de la empresa facilita a la perfección la resolución de problemas sin encontrar grandes obstáculos.

David: Mi objetivo era sumergirme en las prácticas durante el verano y reunir experiencia del mundo real. Quería colaborar con profesionales que dominan sus campos y ampliar mis horizontes más allá de lo que ofrecen las aulas. Microblink destacó como la opción principal para este periodo de prácticas por contar con uno de los equipos de Aprendizaje Automático más formidables del país.

¿Qué nuevas habilidades o técnicas has aprendido durante las prácticas que no conocías antes?

Janko: Una de las principales conclusiones de estas prácticas ha sido el énfasis en las prácticas sólidas de ingeniería en el ámbito del ML. Aunque ya lo intuía, no había tenido la oportunidad de ponerlo en práctica en mis experiencias anteriores. Cosas como el desarrollo basado en pruebas y la adhesión a las mejores prácticas de codificación a menudo se pasaban por alto. En mis anteriores encuentros en el sector, tal enfoque era una rareza. El ML solía comenzar con el objetivo de hacer que las cosas funcionaran sin tener en cuenta la sostenibilidad a largo plazo. Ese no es el enfoque aquí.

León: Discutir mis proyectos en curso con colegas ha sido revelador. Se te presentan muchos puntos de vista -unas 20 perspectivas diferentes- y es una mina de oro para despertar la creatividad. Puede que en el pasado no me hubiera sentido tan inclinado a buscar este tipo de interacciones, pero ahora me impulsan hacia adelante y mejoran significativamente la calidad de mi trabajo.

David: El compromiso inquebrantable de mi equipo con la calidad del código me sorprendió gratamente. Estamos profundamente comprometidos con prácticas como las revisiones mutuas del código. Participo activamente en estos procesos, por ejemplo, participando en pull requests en BitBucket e incorporando comentarios de compañeros para mejorar el código hasta que alcanza su cima de forma iterativa. Este enfoque es extraordinario. Nuestras reuniones diarias de equipo también sirven de plataforma para debatir ideas con franqueza. Durante estas interacciones, se lanzan conceptos a los que yo no habría llegado de forma independiente.

Durante las prácticas, ¿qué aprendiste que hará avanzar tu carrera en ML?

Janko: A lo largo de esta experiencia, me he dado cuenta del inmenso potencial de iterar sobre diversos experimentos manteniendo un código limpio y eficaz. En estos momentos tengo ese aspecto muy afinado, y estoy a un paso de sumergirme en experimentos, lo cual me hace mucha ilusión.

León: Un aprendizaje importante para mí ha sido calibrar si aplicar ML para abordar un problema es un enfoque viable o no. Se trata de discernir si está justificado invertir esfuerzos en un producto basado en ML a nivel de producción. Y, naturalmente, dominar el arte de dar forma a las ideas, construir una sólida Prueba de Concepto, diseñar un pipeline sin fisuras y evaluar rigurosamente el producto final.

David: Ahora que he concluido algunos experimentos, me propongo iterar sobre ellos. Estoy ansioso por descubrir cualquier posible fallo e identificar oportunidades para mejorar estos experimentos. Este proceso me permite diferenciar entre experimentos mejores y menos exitosos. La ventaja añadida es la retroalimentación constructiva que recibo de los mentores y compañeros de equipo, que tiene un valor incalculable para el crecimiento.

¿Hubo algún reto específico que encontraras durante tus proyectos, y cómo lo superaste?

Leon: No puedo decir que haya habido grandes obstáculos. Sin embargo, me encontré con un pequeño desafío cuando llegué a un estancamiento creativo personal y me resultó difícil seguir adelante. Fue entonces cuando contar con un mentor resultó inestimable. Su orientación, su perspectiva fresca y sus consejos inyectaron nueva vida a mi enfoque, impulsándome hacia adelante.

Janko: En las fases iniciales, me topé con un pequeño obstáculo porque no había previsto tener que emplear mis conocimientos de ingeniería de software hasta este punto. Estaba preparado para lanzarme directamente a experimentar, pero mi mentor me orientó acertadamente hacia la calidad del código y la elaboración de pruebas. Mirando atrás, agradezco esta reorientación, ya que me permite hacer cambios en la estabilidad de mi trabajo con confianza.

David: Al principio, tuve que lidiar con asuntos como los permisos, la configuración del equipo y cierta logística interna. Lo que me sorprendió gratamente fue el nivel de apoyo que recibí. Ya fuera el equipo de servicios informáticos o mis compañeros, siempre había alguien dispuesto a ayudarme. La rapidez de respuesta hizo que nunca me sintiera atascado durante mucho tiempo.

¿Qué es lo que más te gusta de la dinámica del equipo de ML?

David: Las Comunidades de Práctica han sido una plataforma increíble para fomentar el intercambio de conocimientos y, al mismo tiempo, promover un sentimiento de camaradería. Se mantienen debates interesantes y el ambiente es muy animado. Incluso hemos celebrado reuniones en las que hemos podido aprovechar la rica reserva de experiencias de la gente dentro de la Academia. Los miembros del equipo son increíblemente abiertos y generosos a la hora de compartir sus puntos de vista.

León: Un aspecto que me llamó la atención es la accesibilidad y el afán de los mentores por prestar ayuda. Recuerdo el día en que recibimos nuestros MacBooks, y yo andaba a tientas con el teclado, intentando descifrarlo. Casi al instante, cinco compañeros vinieron a echarme una mano. Es sorprendente cómo todo el mundo se apresura a ofrecer ayuda, independientemente de la carga de trabajo. Tanto si tienen que ver con el ML como con la vida en general, las consultas se responden con la voluntad de ayudar.

Janko: Lo que me sorprende es la naturaleza afable y accesible de todo el mundo aquí. Las conversaciones informales sobre la vida cotidiana pasan sin problemas a discusiones sobre aspectos concretos del trabajo y las tareas que tenemos entre manos. Esta sensación de facilidad es la razón por la que nunca nos sentimos tensos; pasar al modo de trabajo concentrado no es un reto.

¿Cuáles son las lecciones clave que te llevarás de este viaje de prácticas?

Janko: La lección más importante que he aprendido se centra en el papel fundamental de establecer un entorno dentro de un equipo de ML que esté preparado para desarrollar productos centrados en ML. Se trata de un área en la que Microblink destaca, estableciendo un punto de referencia que pocas empresas de Croacia han adoptado. Crear un entorno así no es una hazaña sencilla, y Microblink lo ha ejecutado espléndidamente. En cuanto a mi proyecto, podría haber avanzado diez veces más si el tiempo fuera ilimitado. Sorprendentemente, no me encontré con un límite superior; profundicé y dediqué más tiempo del que había previsto inicialmente, lo que reveló que aún queda mucho potencial por explorar.

León: Lo que es digno de mención aquí es que el ML se aborda de una forma que realmente encierra su esencia. No se relega a un mero front-end o como un aspecto auxiliar de la investigación, como he observado en otros lugares.

David: Destaca la metodología. Se nos asignaron proyectos nuevos, sin tocar por nadie más. En el ámbito académico, a menudo recibíamos temas sobre los que ya se había investigado bastante. Aunque aquí existe algo de esa estructura, empezamos desde cero, empezando por los datos y los enfoques de resolución de problemas, la selección de métodos y el desarrollo continuo. Esta experiencia ha enriquecido significativamente mi conjunto de habilidades, y es algo que llevaré conmigo.

Contar con estos inspirados y talentosos becarios este verano fue una verdadera alegría para nuestro equipo de Aprendizaje Automático.

Estamos impacientes por ver qué les depara el futuro y les deseamos todo lo mejor en su (ya) notable experiencia práctica en ML. ✨