Hay nuevos doctorados en ML que están ganando un millón de dólares al año o que han conseguido que sus nuevas empresas adquirieran decenas de millones al ser realmente fuertes o realmente afortunados. Ciertamente, en comparación con la crema en otros campos, los recientes doctorados de primer nivel en ML han tenido oportunidades significativamente mejores.
También hay muchos doctores que apenas logran obtener puestos de ingeniería de software convencionales en un nivel junior, y apestan.
El espectro es demasiado amplio para que el promedio tenga algún significado.
- ¿Hay alguien aquí que pueda darme una lib correcta para R-Tree en Java?
- ¿Cómo se usa el aprendizaje automático en la ciencia de los materiales?
- ¿Cuáles son algunos algoritmos que un científico de datos debe saber y comprender?
- ¿Cuáles son los temas sobre big data para hacer una tesis de maestría que excluye el aprendizaje automático?
- ¿Se pueden usar datos generados por simulación por computadora para algoritmos de aprendizaje automático?
Lo más probable es que, si está motivado principalmente por su “valor” financiero, nunca tendrá la perseverancia para terminarlo y perder esos años.
En los últimos años, los doctores en general han tenido mejores oportunidades en estas áreas en comparación con los ingenieros en ejercicio, simplemente porque estos dominios se estaban volviendo lo suficientemente maduros para los productos del mundo real y la transición de los laboratorios académicos a la industria. No había muchos equipos de ingeniería que hubieran encontrado tecnología de punta en el aprendizaje automático. Un artefacto de esto es que las organizaciones de elite de aprendizaje automático más elitistas dentro de las grandes empresas están dirigidas por ex profesores de ML en lugar de líderes de ingeniería. ¡Nadie puede predecir si esta tendencia continuará, ya que el aprendizaje automático se democratiza!