Quiero aprender el procesamiento del lenguaje natural en CMU. ¿Es mejor tomarlo como un estudiante de CS o tomarlo como un estudiante de lingüística (como una electiva)?

Honestamente, puedes tomar ese curso como cualquier tipo de estudiante que desees.

No importa cuál sea tu especialidad.

Uno de mis hermanos en Sigma Nu, que acababa de graduarse el año pasado, era un estudiante de matemáticas con un CS menor (como yo) y tomó ese curso mientras estuvo aquí. Y ahora está trabajando en un trabajo de tiempo completo para el tipo de mierda de procesamiento del lenguaje natural.

Puedes hacer lo que quieras en CMU.

Te recomiendo que elijas tu especialidad con cuidado, y bases esa decisión en lo que quieres hacer, y asegúrate de que te encanta. CS es brutalmente difícil aquí, pero también es el mejor plan de estudios de CS que puedes encontrar en cualquier parte del país (todo lo demás es de calidad igual o inferior). Es paralelo solo a los gustos de MIT y Standford, Caltech y muy pocos otros, si los hay. No puedo decir que sé mucho sobre lingüística aquí, pero es parte del Dietrich College. Apostaría todo el dinero de mi matrícula a que la lingüística no es tan desafiante para un plan de estudios.

Si tuviera que elegir entre solo esas dos opciones, diría que es mejor hacer CS, pero no solo elija CS si la PNL es su única razón … si no le gusta CS, no sobrevivirá al plan de estudios.

More Interesting

¿El aprendizaje automático permitirá a Google detectar contenido falso?

¿Son las redes neuronales artificiales la única forma de establecer un aprendizaje profundo?

¿Cuál ha sido la experiencia de la gente con RapidMiner?

¿Cuáles son los mejores algoritmos para construir sistemas de recomendación?

¿Qué es el aprendizaje automático? ¿Alguien puede explicar sobre el aprendizaje automático?

Quiero construir una copia casi perfecta de Eva de ex machina, entonces, ¿qué curso o área de informática necesito aprender profundamente?

¿Es aconsejable crear una aplicación basada en el aprendizaje automático y el procesamiento de imágenes sin comprender el concepto matemático subyacente?

¿En qué se diferencia el método de agrupamiento en el aprendizaje automático de disparar una consulta SQL 'select' para agrupar personas u objetos? ¿Cuáles son las diferencias y necesidades reales?

¿A qué problemas conducen los conjuntos de datos de entrenamiento asimétricos?

¿Cómo se hacen los algoritmos EM?

Cómo recopilar datos para problemas de la vida real mientras se entrena un modelo de aprendizaje automático

¿Cómo se asegura que el aprendizaje automático no aprenda la correlación cuando no hay causalidad, especialmente para la predicción?

¿Cómo se pueden clasificar / resumir los diversos algoritmos de aprendizaje automático de acuerdo con los problemas que resuelven?

¿Cuál es la principal diferencia entre la forma bayesiana de estimación de parámetros y la regresión lineal?

¿Cuáles son algunos de los documentos fundamentales en el aprendizaje automático / algoritmos analíticos?