Hay dos preguntas diferentes que hace y trataré de proporcionar respuestas para ambas:
- ¿Cómo puedo mejorar mis posibilidades de inscribirme en una universidad para obtener una maestría en aprendizaje automático? (Según la forma en que ha formulado su pregunta, aún debe solicitarla)
- ¿Qué puedo hacer para mejorar mi experiencia de aprendizaje y sacar el máximo provecho de la maestría? (Es beneficioso tomar medidas para asegurarse de que aprenda tanto como sea posible y esté preparado para el estudio de posgrado)
Para el primero, la fuerza de la aplicación dependerá de una variedad de factores, pero tiene una ventaja inherente, ya que proviene de un entorno de CS. La fuerza de su aplicación dependerá de:
- Usted obtuvo calificaciones en probabilidad y estadística, álgebra lineal, cálculo (tuve un curso sobre introducción al cálculo y un curso sobre ecuaciones diferenciales como parte de mi licenciatura). El buen desempeño en los cursos que tienen los requisitos previos anteriores también es un indicador de aptitud matemática para el aprendizaje automático.
- Si está postulando a una universidad que tiene el GRE como requisito, una buena puntuación en la sección cuantitativa será útil. Si le va bien en la sección de escritura, puede obtener una pequeña ventaja, pero se lo revisará siempre que su puntaje no sea abismal y que le vaya bien en cuant.
- Una declaración de propósito muy fuerte. Esta es una parte importante de la aplicación y para escribir un SOP fuerte:
- Le sugiero que consulte algunas introducciones a los artículos de ciencia de datos y / o aprendizaje automático. Pueden ayudarlo a comprender aplicaciones interesantes en diversos campos, así como presentarle los componentes de la ciencia de datos (limpieza de datos, exploración de datos, análisis de datos y visualización de datos)
- Mencione los cursos que capturan su interés y por qué serán útiles para sus objetivos profesionales eventuales / lo que desea obtener del título.
- Si tiene un límite de palabras indulgentes, exprese qué asignaturas optativas tienen sentido para su aprendizaje e intente hablar sobre lo que espera aprender. (Mencioné la visualización de datos y los cursos electivos financieros en mis aplicaciones de ciencia de datos)
Entre lo anterior, las calificaciones ya no están en tus manos, pero las otras partes sí y enfocarte en ellas mejorarán tus posibilidades de admisión.
- ¿Qué tipos de carreras hay para los ingenieros informáticos que se concentran en la inteligencia artificial y la máquina?
- Cómo implementar el reconocimiento de imágenes para crear una aplicación para organizar imágenes
- Cómo comenzar a aprender redes neuronales y aprendizaje profundo
- ¿Cuál es el mejor marco de aprendizaje profundo para Apache Spark?
- ¿Hay tutoriales o trabajos de investigación sobre la presentación de problemas matemáticos como pseudolenguaje al algoritmo de PNL?
Los pasos a continuación son opcionales pero serán útiles para aprovechar al máximo su título. Sugeriría lo siguiente:
- Matemáticas: los requisitos deberían haberse explorado bien en un título de CS. Poner al día:
- Probabilidades y estadísticas. (No es necesario ir más allá de su plan de estudios de UG, pero revisar lo que ha aprendido lo ayudará a comenzar a ejecutar).
- Álgebra lineal. (Debería sentirse cómodo trabajando con matrices y comprender sus propiedades)
- Conjuntos y Cálculo.
- Programación: si va a trabajar con herramientas de código abierto, las más populares son R y python. Recomendaría Python (yo personalmente uso R) ya que es mejor para el aprendizaje automático (basado en la popularidad y tener una comunidad ayuda cuando estás atascado o necesitas orientación). Familiarícese con la sintaxis (no debería ser un problema ya que es un ingeniero de software) y aprenda a trabajar con las siguientes bibliotecas:
- NumPy
- pandas
- Ciencia
En el aspecto teórico del aprendizaje automático, las matemáticas serán útiles ya que las pruebas se basan en el hecho de que, a medida que N (el número de puntos de datos) aumenta, el algoritmo mejorará en precisión (no exactamente la forma correcta de decirlo) pero esto se discutirá en detalle).
En el aspecto de la aplicación del aprendizaje automático, la familiaridad con el kit de herramientas ayudará a mantener la productividad para que pueda resolver los problemas e implementar soluciones en lugar de centrarse en aprender las herramientas.
Todo lo anterior son solo sugerencias. No dediqué demasiado tiempo para prepararme para mi curso de posgrado en Data Science y aún así logré aprender bastante, pero si hubiera hecho lo anterior, me habría ahorrado algunos dolores de cabeza.
Buena suerte, y te aseguro que es un campo interesante (al menos eso creo).
