Acho que a jornada é igual pra todo mundo da área: conseguir o estágio pra dar um up no perfil e começar uma carreira, alguns já começam diretamente como Júnior e etc. Mas isso do diploma é muito pegado em área mais analíticas, não só diploma, mas um perfil acadêmico ativo.

Na experiência de atuar na área de ML/AI, até tendo um pouco de noção sobre como funciona a área de Data Science, raramente você vai conseguir uma vaga digna somente com projeto pessoal, portfolio e um currículo bonito, você precisa de atuação acadêmica, artigos, contribuições pra área científica, até mesmo uns projetinhos open-source já dão uma brilhada no perfil, mas somente os que de fato impactam e não são só um clone de alguma coisa.

Você vai conseguir se destacar se tiver contribuições fenomenais, algo que realmente faça a diferença e seja um projeto de verdade, não um esqueleto com visual moderno.

Recentemente surgiu o hype da área de ML e AI, com muitos pensando em entrar pela grana (que em vagas dignas realmente é muito alta), pensando que só de aprender a fazer uma predição em um modelo pré-treinado (que já é muito mais do que muitos fazem) ou usar API da OpenAI te faz um ML Engineer. Nessa área pelo menos o conhecimento técnico é super importante, é um fundamento, a matemática é sua aliada e não o código. Não basta só saber usar, precisa saber criar (do zero).

Hoje em dia é assim que funciona, ou você cria ou você assiste. E isso vale pra muitas áreas, até web. Acho que ninguém mais quer um dev que faça clone de Twitter, mas sim um dev que seja capaz de fazer o próximo concorrente do Twitter.