Este nuevo campo de desarrollo ha generado una gran demanda de profesionales especializados, generando oportunidades importantes para ingenieros de sistemas y programadores

18 de junio de 2024, 10:02 AM
18 de junio de 2024, 10:02 AM

Máquinas programadas para ser inteligentes y autónomas, resolver problemas sencillos y facilitar tareas de manera automática, sin la intervención humana, el Tiny Machine Learning (TinyML) es una tecnología emergente que promete revolucionar la forma en que los dispositivos pequeños procesan la información y toman decisiones inteligentes, todo mientras operan de manera eficiente y con bajo consumo de energía.

Este nuevo campo de desarrollo ha generado una gran demanda de profesionales especializados, generando oportunidades importantes para ingenieros de sistemas y programadores.

“Siempre que una nueva tecnología emerge, se abren puertas para la aparición de nuevos trabajos, lo importante va a ser poder adaptarse”, explica el ingeniero de sistemas, experto en Inteligencia Artificial y docente de la Universidad Franz Tamayo, Unifranz, Sergio Valenzuela.

De acuerdo con Valenzuela, estos nuevos trabajos van a ir volviéndose más específicos con el pasar del tiempo, como ya lo hacen en otras partes del mundo.

“En Estados Unidos y Europa, donde se tiende a la hiperespecialización, ya estamos viendo la aparición de profesionales específicos, sin embargo, en Latinoamérica aún existe espacio para su desarrollo”, agrega.

Unifranz

TinyML?

“La idea es hacer que pequeñas máquinas, simples en su diseño, aprendan a realizar tareas específicas y reconozcan patrones para predecir problemas y aportar soluciones de manera autónoma”, indica Daniel Calvo, ingeniero de sistemas y programador especializado en TinyML.

El TinyML se enfoca en desarrollar aplicaciones de aprendizaje automático que son reducidas y optimizadas para funcionar en dispositivos con recursos limitados, como microcontroladores y sensores. Estas aplicaciones son capaces de realizar análisis de datos directamente en el dispositivo, sin necesidad de conectarse a la nube.

Esta tecnología, muy cercana al entrenamiento de los grandes modelos de Inteligencia Artificial es importante porque permite que los dispositivos de Internet de las Cosas (IoT) sean más inteligentes y autónomos, realizando tareas automatizadas con un consumo de energía muy bajo.

Estos dispositivos, presentes en una variedad de productos, desde electrodomésticos inteligentes hasta herramientas industriales, permiten realizar tareas complejas de manera autónoma y local, sin depender de conexiones constantes a la nube. Esta capacidad transforma fundamentalmente la forma en que interactuamos con la tecnología en nuestra vida diaria.

Por ese motivo, el potencial de TinyML es diverso. En el ámbito del consumidor, productos como los asistentes de voz como Alexa y Google Home son ejemplos comunes de cómo el reconocimiento de voz activado por palabras clave utiliza TinyML para operar de manera eficiente y rápida sin la necesidad de conectividad constante a internet.

Otro de los usos de esta tecnología se da en el sector industrial, donde TinyML se utiliza para aplicaciones avanzadas como el mantenimiento predictivo. Esto implica la capacidad de monitorear en tiempo real el funcionamiento de maquinaria compleja y detectar posibles fallas antes de que ocurran, lo que no solo reduce costos de mantenimiento, sino que también minimiza tiempos de inactividad, mejorando así la eficiencia operativa.

Estos casos de uso han permitido que esta tecnología tenga un desarrollo en temas como algoritmos, abarcando avances en software y hardware, que ya están implementando algunas empresas y por lo que están buscando profesionales especializados.

Unifranz

Plataformas de empleo como Indeed y Talent, cuentan con ofertas de empresas que buscan profesionales con habilidades en esta tecnología

Oportunidades laborales

Plataformas de empleo como Indeed y Talent, cuentan con ofertas de empresas que buscan profesionales con habilidades en esta tecnología y los pagos van desde 150.000 hasta 190.000 dólares por año.

Daniel trabaja de forma independiente, colaborando con la programación necesaria para que estas pequeñas máquinas aprendan funciones específicas como detectar fugas de gas o generar listas de compras. Por esta labor, que se realiza de manera colaborativa con un equipo alrededor del mundo, él recibe una paga.

“Se trabaja remotamente, por horas y en distintos proyectos, todo a solicitud del cliente, con diferentes tarifas para diferentes productos, pero en general se gana entre 18 y 25 dólares la hora de entrenamiento”, explica.