Has arribat a l'última lliçó. A 10-01, 10-02 i 10-03 vas reunir llibres, cursos i comunitats; et falta decidir cap a on anar amb tot això. Aquesta lliçó és una brúixola: primer una autoavaluació honesta del que has après als nou mòduls anteriors (amb una manera concreta de comprovar cada competència), després el mapa dels perfils professionals de la IA (què fa cadascun, quines competències demana, quins mòduls del curs en són la base i quin és el seu pas següent), i a continuació quatre itineraris detallats (enginyeria de dades i ML clàssic; deep learning i PLN/LLM; sistemes basats en coneixement i raonament probabilístic; gestió de projectes i governança d'IA), cadascun amb etapes, recursos de 10-01 i 10-02, un projecte de portafolis i una fita de comprovació. Hi afegim una nota orientativa sobre certificacions i formació reglada, com construir un portafolis que parli per tu i com mantenir-se al dia sense aclaparar-se. Com a exemple de dos itineraris diferents, els propers passos de la Marta i del Diego a NovaMarket i el full de ruta de l'empresa a dotze mesos; i per a tu, una plantilla de pla personal de 90 dies. Acabem amb la recapitulació dels deu mòduls i el comiat.

1. Autoavaluació: què has après i com comprovar-ho
2. Mapa de perfils professionals de la IA
3. Itinerari A: enginyeria de dades i ML clàssic
4. Itinerari B: deep learning i PLN/LLM
5. Itinerari C: sistemes basats en coneixement i raonament probabilístic
6. Itinerari D: gestió de projectes i governança d'IA
7. Certificacions i formació reglada, amb prudència
8. Portafolis i com mantenir-se al dia sense aclaparar-se
9. Propers passos de la Marta i el Diego i full de ruta de NovaMarket a 12 mesos
10. Pla personal de 90 dies: plantilla
11. Errors Comuns i Consells
12. Exercicis
13. Recapitulació del curs i comiat

Abans de triar camí, mesura on ets. La comprovació ha de ser una cosa que puguis fer, no una cosa que "et sona".

Puntua cada fila d'1 (no sabria fer-ho) a 3 (ho faria amb soltesa). Les files amb 1 són les teves prioritats de reforç, sigui quin sigui l'itinerari que triïs.

Els noms dels llocs de treball varien entre empreses i països, i a les petites una persona en cobreix diversos. El que importa és entendre el contingut de cada perfil.

Un júnior no ha de triar per sempre: els perfils comparteixen molt i és normal canviar. Sí que convé triar un primer pas clar; per això hi ha els itineraris.

Per a qui va gaudir del mòdul 4 i del predictor de frau, i vol ser científic de dades, enginyer de ML o de MLOps.

Projecte de portafolis: un repositori amb un cas complet (definició, dades, pipeline, avaluació, API o procés per lots, model card, monitoratge de deriva) sobre dades públiques, amb README que expliqui la decisió de negoci. Fita de comprovació: que una altra persona el cloni i l'executi amb una sola ordre, i que puguis explicar cada tria en una entrevista tècnica de trenta minuts.

Per a qui va vibrar amb el mòdul 5 i el cas de les ressenyes, i vol ser especialista en PLN o visió, o AI engineer centrat en LLM.

Projecte de portafolis: un assistent RAG o un classificador de text ajustat, amb conjunt d'avaluació propi, anàlisi d'errors (negacions, ironia, casos fora de domini) i model card honesta. Fita de comprovació: explicar amb un diagrama què fa l'atenció i per què el RAG redueix (però no elimina) les al·lucinacions, i mostrar una taula d'avaluació amb casos on el teu sistema falla.

Per a qui va trobar al mòdul 6 i al projecte integrador (regles + xarxa bayesiana + classificador) la seva manera de pensar: enginyeria de coneixement, sistemes de decisió, dominis regulats on l'explicabilitat mana.

Projecte de portafolis: un sistema de decisió explicable (regles + probabilitat + un model) amb documentació de cada regla, el seu origen i la seva justificació, i una interfície que mostri el "per què" de cada decisió. Fita de comprovació: entrevistar un expert d'un domini (encara que sigui un company), formalitzar deu regles seves i que reconegui el seu coneixement a la sortida del sistema.

Per a qui connecta amb el mòdul 8, l'ètica de 02-04 i el paper del Diego: definir casos d'ús, mesurar valor, gestionar risc i compliment, coordinar equips tècnics sense ser necessàriament qui programa.

Projecte de portafolis: un full de ruta d'IA per a una organització real o fictícia (NovaMarket serveix) amb casos prioritzats, anàlisi de risc segons el Reglament d'IA, pla de governança (qui aprova, qui audita, quina documentació) i indicadors. Fita de comprovació: presentar-lo en vint minuts a algú tècnic i a algú de negoci i que tots dos l'entenguin i el qüestionin amb sentit.

• Certificats de MOOC (Coursera, edX, DeepLearning.AI): acrediten que vas completar el curs; sumen en un currículum júnior, sobretot acompanyats del projecte corresponent al portafolis. No substitueixen la pràctica demostrable.
• Certificacions de proveïdors de núvol (les de ML/IA dels grans proveïdors): valorades quan el lloc de treball està lligat a aquella plataforma; el seu temari canvia sovint i convé preparar-les quan ja treballis o hagis de treballar amb aquell núvol.
• Formació reglada (graus, màsters universitaris en IA, ciència de dades o similars, cicles formatius amb especialització en IA i big data): aporten base matemàtica, profunditat i una xarxa; són una inversió gran de temps i diners que té sentit si vols recerca, perfils molt tècnics o un canvi de carrera profund. Cap títol no garanteix feina per si sol; el que obre portes és la combinació de base sòlida, projectes visibles i capacitat d'explicar el que fas.

Regla orientativa: primer portafolis i pràctica; certificat com a complement; formació reglada com a decisió meditada segons objectiu i circumstàncies.

Portafolis. Un repositori públic (o dos) que qualsevol pugui entendre en cinc minuts:

• Estructura clara com novamarket_ia/ (07-04): README amb el problema, la decisió que dona suport, les dades (públiques o sintètiques, mai confidencials), com executar-lo amb una ordre, resultats amb la mètrica que importa i limitacions.
• Model cards per a cada model (08-01): ús previst, dades, mètriques per subgrup, riscos. És el que distingeix un portafolis professional d'una col·lecció de quaderns.
• Quaderns reproduïbles: llavors fixes, dependències declarades, sortides desades, sense rutes locals ni claus.
• Dos o tres projectes ben acabats valen més que deu a mitges. Un per itinerari triat és suficient per començar.
• Escriu una entrada breu (blog, README llarg o fil en una comunitat de 10-03) explicant què vas aprendre; comunicar és part de la competència.

Mantenir-se al dia sense aclaparar-se. El ritme del sector és impossible de seguir sencer, i no cal:

• Un butlletí setmanal (The Batch, per exemple) i una comunitat; la resta, silenciada.
• Un article al mes amb les tres passades de 10-01; una novetat d'eina al trimestre provada en un quadern.
• Distingeix fonaments (canvien poc: tot el dels mòduls 3 a 6) d'eines (canvien molt: els LLM de moda, les llibreries d'agents). Inverteix temps de qualitat en el primer; al segon, temps acotat i amb curiositat, sense ansietat.
• Revisa el teu pla cada 90 dies (secció 10) i ajusta'l; no ho facis cada setmana segons l'última notícia.

Dues persones, dos itineraris diferents, una mateixa empresa.

La Marta (responsable de dades; itineraris A i B):

1. MLOps i monitoratge del predictor de frau. Automatitzar el reentrenament per lots amb versionat (MLflow), alertes de deriva com les de 09-04, i una revisió trimestral de la model card amb mètriques per subgrup (país, franja d'import). Recursos: Huyen, documentació de MLflow i FastAPI, curs de MLOps.
2. Construir l'assistent RAG del cas 7, fins ara només dissenyat: pilot intern sobre la política de devolucions, conjunt d'avaluació de 100 preguntes, límits explícits ("no respon sobre comandes concretes"), revisió de risc segons el Reglament d'IA. Recursos: Hugging Face Course, short courses de RAG, 05-05 rellegit.
3. Especialitzar l'equip: la Machine Learning Specialization com a base comuna, un membre cap a PLN (itinerari B) i un altre cap a dades/MLOps (itinerari A); norma de comunitats sense dades reals (10-03); un projecte al portafolis intern per persona al semestre.

El Diego (operacions; itinerari D):

1. Alfabetització en IA per a operacions: Elements of AI i el Crash Course sense codi; una llista de preguntes fixes per a cada model que li presentin (ús previst, dades, mètrica de negoci, subgrups, deriva, qui supervisa).
2. Governança i Reglament d'IA: classificar per risc els nou casos d'ús de NovaMarket amb la Marta; definir la supervisió humana de les cues del predictor (qui revisa "revisar", amb quin termini) i la documentació mínima per cas.
3. Definir casos d'ús nous amb el document d'una pàgina de 08-01: previsió de plantilla en pics, priorització d'incidències en temps real, i decidir quins no es fan (per risc o per poc valor).

Full de ruta de NovaMarket a 12 mesos (exemple, no recepta):

Omple-la tu, amb el teu itinerari i el teu temps real. És la mateixa lògica que les etapes dels itineraris, comprimida en un trimestre.

• Triar itinerari per moda (tot LLM) en comptes de pel que vas gaudir i pel que el mercat proper demana. Els quatre itineraris tenen sortida; el que acabaràs és el que t'agrada.
• Planificar dotze mesos al detall. Planifica 90 dies en detall i la resta a grans trets; revisa cada trimestre.
• Portafolis de quaderns sense context. Sense README, sense model card, sense decisió de negoci, un quadern no explica res de tu.
• Esperar a "estar preparat" per participar o postular. Un júnior amb un projecte ben documentat i capacitat d'explicar-lo ja està preparat per començar.
• Confondre certificat amb competència o títol amb garantia: complementen, no substitueixen.
• Ansietat per les novetats. Fonaments amb temps de qualitat; eines amb temps acotat. El que avui és imprescindible, d'aquí a dos anys es dirà d'una altra manera; el que vas aprendre als mòduls 3 a 6 continuarà valent.
• Consell: escriu el teu pla, posa-hi dates, explica'l a algú (company, comunitat, la teva Marta o el teu Diego) i revisa'l al cap de 90 dies. La constància guanya el talent en els autodidactes.

1. Autoavaluació i prioritat. Omple la taula de la secció 1 amb les teves puntuacions (1-3), identifica les dues files més baixes i escriu què faràs les properes dues setmanes per pujar-les un punt, amb recurs i pràctica concrets.
2. Triar itinerari i projecte. Tria un dels quatre itineraris (o una combinació de dos), justifica en un paràgraf per què (què vas gaudir, quin perfil t'atrau, què demana el teu entorn) i defineix el teu projecte de portafolis: problema, dades (públiques o sintètiques), lliurables i fita de comprovació.
3. Pla de 90 dies. Omple la plantilla de la secció 10 completa per al teu cas, amb dates reals.

1. Exemple: "Files més baixes: mòdul 5 (retropropagació, 1) i mòdul 6 (xarxes bayesianes, 1). Dues setmanes: veure els quatre vídeos de 3Blue1Brown i refer la xarxa de dues capes de 05-03 en NumPy sense mirar (setmana 1); rellegir 06-03 i programar la inferència per enumeració a la xarxa d'incidències amb un cas nou (setmana 2). Comprovació: explicar tots dos a un company en deu minuts."
2. Exemple: "Itinerari A amb un toc de MLOps: vaig gaudir del predictor de frau i del desplegament per lots; el perfil d'enginyer de ML encaixa amb la meva formació en programació; a la meva ciutat hi ha demanda de dades en producció. Projecte: predicció de demanda amb un dataset públic de vendes minoristes; lliurables: repositori amb pipeline de scikit-learn, validació temporal, API amb FastAPI, model card, comprovació de deriva; fita: un company el clona, executa make demo i obté les prediccions i la model card en menys de cinc minuts."
3. Exemple (resumit): Setm. 1-2: StatQuest de validació creuada i Géron cap. 2; quadern del predictor de frau amb validació imbricada; subscripció a The Batch i compte a Stack Overflow. Setm. 3-6: ML Specialization curs 1; Kaggle Titanic; una pregunta amb MRE si m'encallo. Setm. 7-10: projecte de demanda amb API i model card; publicar i demanar revisió a r/learnmachinelearning. Setm. 11-12: passada de tres etapes a l'article de Model Cards; entrada de blog; nou pla.

Abans d'acomiadar-nos, la vista completa del que hem recorregut, amb el fil de NovaMarket que ens ha acompanyat des del primer mòdul:

Vas començar aquest curs amb nocions de Python i curiositat; l'acabes sabent què és la IA i què no és, com es cerca, com s'aprèn de les dades, com aprèn una xarxa, com es raona amb regles i amb probabilitats, amb quines eines es construeix, com es porta un projecte de la idea al prototip documentat i, des d'aquest mòdul, com continuar aprenent amb criteri i en companyia. Res d'això no et converteix encara en expert, i no cal: et converteix en algú que sap per on començar i com comprovar que avança, que és exactament el que es demana a un professional júnior seriós.

La Marta i el Diego continuen a NovaMarket amb el seu full de ruta; tu tens el teu a la secció 10. Tria un itinerari, escriu el teu pla de 90 dies, construeix un projecte que puguis explicar amb orgull, pregunta bé quan t'encallis i ajuda qui vingui darrere. La IA és un camp enorme i canviant, però els seus fonaments són estables i ara són teus. Gràcies per haver arribat fins aquí. Aquí acaba el curs de Fonaments d'Intel·ligència Artificial. Molts ànims, i bon camí.