¿Cómo elegir un proyecto final?

Probablemente, estás aquí porque estas por empezar a construir tu proyecto final, ¡Qué emoción!

👓 Si todavia no estas claro de porque el proyecto final es tan importante, te recomendamos leer este otro artículo.

Para ayudarte mejor a elegir, debes saber que tu proyecto final es un esfuerzo que integra y utiliza todas las habilidades y conocimientos que se han impartido durante el curso. 🍒 La cereza 🍰 del pastel al finalizar el bootcamp. El proyecto capstone es un simulacro de un proyecto de la vida real, probablemente tu experiencia al desarrollarlo será similar a tu trabajo dentro de una empresa en el futuro.

Antes de hablarte de los requisitos del proyecto, consideramos más importante dejarte saber como evitar fracasar y garantizar que entregues a tiempo.

¿Razones que hacen a un proyecto de Full-Stack fracasar?

Si estudias datascience salta a la próxima sección. Luego de 8 años viendo proyectos finales ser exitosos o fracasar, hemos compilado la siguiente lista de sugerencias:

No agregar demasiadas funionalidades

El error más común de un estudiante es pensar que la calidad de tu proyecto final está determinada por el número de funcionalidades que tiene. Nada puede ser más falso, ¡¡Es todo lo contrario!! Mientras más funcionalidades tengas, peor será la calidad de tu proyecto. Todos los grandes productos tienen solo unas pocas funcionalidades.

• ¿Qué hace netflix? Es un proyecto de billones de dólares donde puedes encontrar una película y reproducirla.
• ¿Qué hace uber? Pides un taxi.
• ¿Qué hace instagram? Tiene un wall con todas las publicaciones de las personas que sigues.

¿Qué vas a hacer tú? Elige una sola cosa que quieras hacer bien, luego te darás cuenta de que te va a tomar mucho trabajo cumplir esa funcionalidad al 100%. Recuerda que después de todo el proyecto más básico ya debe contar con autenticación, integración con API de terceros, signup, login, etc.

No hagas otra red social

Para impresionar a un empleador es mejor realizar proyectos novedosos, no te dejes asustar, si es posible hacer proyectos novedosos que tengan un nivel de dificultad técnica relativamente bajo.

🔥 Inspirarte en proyectos anteriores: Revisa esta lista para obtener ideas e inspiración sobre cómo hacer que tu proyecto sea asombroso.

Hoy en día existen demasiadas API, paquetes y herramientas que te facilitan el trabajo. Por ejemplo:

• Puedes conectarte a la red de Etherium y construir tu propia moneda en blockchain o lanzar un NFT en pocas horas.
• Puedes enviar y recibir SMS en python con 20 líneas de código.
• Puedes utilizar un lector de código QR en un par de horas.
• Puedes programar un drone para que vuele como tu código diga en unas pocas horas.
• Puedes usar un Raspberry PI con muy poco esfuerzo y tener acceso a sensores de temperatura, campo magnético, etc.

Debes tener mucho feedback de tus mentores para asegurarte de elegir un proyecto novedoso, pero que puedas realizar.

¿Razones que hacen a un proyecto de Data Science y Machine Learning?

Si estudias Full Stack Development salta a la próxima sección. Hemos compilado la siguiente lista de preguntas para ayudarte a elegir un buen proyecto:

¿Con qué dataset cuentas?

La mejor razón por la que fracasa un proyecto de predicción es la baja calidad o falta de datos. Te recomendamos revisar Kaggle o HuggingFace para encontrar datasets interesantes. También puedes preguntar a nuestros mentores por datasets que sean conocidos y puedan ayudarte.

También es muy recomendado tener los datos de una empresa en la que trabajes o que estén dispuestos a entregarte los datos, esto sería muy beneficioso para tu perfil, ya que contarías con un dataset de la vida real y un caso de predicción de la vida real en tu hoja de vida / currículum.

Overfitting o Underfitting

Ingeniería de características o "Feature Engineering" es una de las prácticas más difíciles, antes de elegir un dataset, discute con tu profesor los retos que puede conllevar utilizarlo.

Capacidad de procesamiento

Dado que estamos en un ambiente educativo, tus recursos de procesamiento serán limitados, si eliges datasets grandes tendrás que esperar horas y hasta días antes de obtener algún resultado útil. Y esto te ocurrirá en reiteradas oportunidades. Te recomendamos validar el tamaño de tu dataset y otras posibles consideraciones de procesamiento con tus mentores.

Requisitos generales de los capstone projects

Dependiendo del programa que cursando vas a encontrar diferentes requisitos, pero, en general, todos los proyectos finales deben:

• Ser desplegados en línea: Ya sea, heroku.com, render.com, Vercel, Azure, AWS, etc. Debes hacer que tu proyecto quede disponible en línea bajo algún URL y proporcionar un enlace para que puedas incluirlo en tu curriculum vitae como una muestra de tu trabajo.
• Ser realizados en grupos de 2 a 3 (recomendado) personas: Si trabajas solo dejarás de aprender como trabajar de forma colaborativa, que es uno de los requisitos más importantes de las empresas. Tampoco serán necesarias muchas de las mejores prácticas. En fin, tu experiencia no será parecida a la vida real.

🔥 Es importante trabajar en concenvar a tus compañeros de unirse a tu proyecto, después de todo los proyectos son en grupo y no todas las ideas se van a realizar, algunos alumnos deberán desistir de su ideal para unirse al equipo de un compañero.

• Ser subido a 4Geeks.com: Cuando entres al dashboard de tu cohort, encontrarás una sección para subir la información de tu proyecto final.
• Ser presentado en un GeekTalk: La presentación final es un paso necesario, te permitirá contar con un video de tu proyecto, además te obligará a fijar una fecha de entrega y trabajar bajo presión. A veces invitamos potenciales empleadores a los GeekTalk que están buscando talento para contratar.

Requisitos especificos según el programa:

Para Full-Stack Development:

Nota: Solo leer esto si haces un bootcamp de full-stack o desarrollo web.

• Alguien debe estar encargado de que las cosas se vean bien en el proyecto, un especialista en CSS, Bootstrap y React.
• Deberás contar con al menos 3 rutas, utilizar el Context API, los conceptos detrás de Flux para Modelo, Vista y Action.
• Intégrate con alguna API de un tercero.
• Tener un sistema de autenticación con JWT o similar.
• Intentar que el proyecto no tenga muchas vistas ni funcionalidades, piensa bien: ¿Cuántas funcionalidades tiene netflix? o instagram? El corde de funcionalidades es pequeño.

🔥 Entra aquí para ver una lista de los requerimientos del proyecto final Full-Stack.

Para Data-Science:

Nota: Solo leer esto si haces un bootcamp de data-science, Machine Learning / IA.

• Lo más importante es escoger el dataset ¿Con qué data cuentas?
• Para asombrar en datascience es bueno implementar predicciones en la salud (Ejemplo: detectar neumonia), en finanzas (detectar fraude, morosidad, etc), etc.
• Deberás realizar predicciones con data de la vida real.

🔥 Entra aqui para ver una lista de los requerimientos del proyecto final de Machine Learning.