Lo que dicen quienes estudiaron con nosotros

Empecé el curso con algo de Python pero sin idea de cómo funcionaba el ML. Lo que más valoro es que el docente revisó mis entregas y me explicó por qué algo no cerraba, no solo me dijo que estaba mal. Tardé un poco más de lo estimado, pero el contenido era sólido y los proyectos tenían lógica interna.

El curso de deep learning me costó más de lo que esperaba, especialmente la parte de CNNs. Pero eso no lo digo como crítica: el nivel de exigencia es real y hay que dedicarle tiempo. Las devoluciones fueron muy puntuales y me ayudaron a entender qué estaba pensando mal en los modelos. Vale la pena si tenés disposición para sentarte a trabajar.

Terminé el track completo después de casi cinco meses. El capstone me llevó más tiempo del que calculé, pero fue el trabajo más desafiante que hice en mucho tiempo. Hoy tengo un repositorio con tres proyectos que puedo mostrar. La mentoría fue clave en la etapa de despliegue, que era donde yo tenía más vacíos.

Vine del lado de análisis de datos y no tenía experiencia con modelos predictivos. El curso inicial cubre los fundamentos de forma ordenada y sin relleno. Lo que me faltó al principio era conocimiento de Git, que no entra en el curso pero que necesitás para las entregas. Una sugerencia para quienes empiezan: repasalo antes.

Los proyectos de visión computacional me resultaron los más útiles. No es lo mismo leer sobre convoluciones que implementar una red y ver cómo mejoran los resultados según lo que cambiás. La instructora fue muy clara en las correcciones. El tiempo que demora cada devolución es razonable.

Ya tenía los dos niveles anteriores cuando entré al track. La etapa de MLOps era la que más me costaba conceptualmente. Las sesiones de mentoría sirvieron mucho para despejar dudas que no podía resolver leyendo documentación. El capstone me dejó un proyecto funcional que ya mostré en una entrevista técnica.