Eso es exactamente lo que hago / estoy haciendo. Mi “credencial” anterior dice Ph.D. en Machine Learning ya que esa era mi especialización, pero mi Ph.D. está técnicamente en Estadística y eso es lo que está impreso en mi título.
Si bien existe una gran superposición entre las estadísticas y el aprendizaje automático, creo que hay una pequeña diferencia cultural que es necesario superar. A Ph.D. de estadísticas te lleva a la mitad del camino, igual que un doctorado en informática En este momento, los programas de estadísticas cubren, bueno, estadísticas. También cubren estadísticas bayesianas (duh), métodos computacionales como Markov Chain Monte Carlo y otras técnicas que se utilizan en el aprendizaje automático, pero todavía falta algo.
Creo que lo que falta es esa base fundamental en la informática. Siento que el aprendizaje automático es inútil a menos que pueda implementarlo. Con las estadísticas, ese no es el caso. Puede lanzar sus datos a SAS o SPSS y con unos pocos comandos tendrá sus resultados. Esto está cambiando, pero creo que el mayor obstáculo que tienen algunos estadísticos es una base en algoritmos y un desarrollo básico del sistema (fork / thread, memoria compartida, sistemas distribuidos).
- ¿Por qué es importante aprender el descenso de gradiente en el aprendizaje automático?
- ¿Cómo se determina el tamaño del paso de actualización para el algoritmo de retropropagación ADADELTA?
- En la curva ROC, cualquier punto es resultado del modelo en un parámetro particular. No estoy claro por qué el adivinador aleatorio está en x = y y no siempre (0.5, 0.5). ¿También cómo interpretar el área bajo la curva?
- ¿Por qué los lars y glmnet dan diferentes soluciones? ¿Cuál es mejor?
- Karpathy mencionó durante una conferencia que es posible reemplazar la capa FC al final de una CNN con una capa de agrupación promedio. ¿Alguien lo ha intentado?
Entonces, si eres un Ph.D. estudiante o graduado que hace esta pregunta, probablemente solo necesite obtener una base más en ciencias de la computación y fundamentos de algoritmos porque las estadísticas lo llevan a la mitad del camino.
Por supuesto, la forma más fácil de ingresar al aprendizaje automático con un Ph.D. de estadísticas es graduarse de un programa que tiene una especialización de aprendizaje automático …