Cómo decidir el tema de mi interés de investigación para obtener un doctorado en visión artificial y aprendizaje automático

Es difícil aconsejarle dada la escasez de detalles, pero supongo que está cerca de terminar su licenciatura en un campo técnico como la informática.

Primero debes decidir que realmente quieres obtener un Ph.D. Son años de arduo trabajo con bajos salarios. Tus amigos estarán en el mundo laboral, ganarán dinero, subirán la escalera y tú estarás esclavizado en el laboratorio. Entonces, si realmente no quieres ser investigador, ahora es un buen momento para decirlo.

Una vez que decida obtener un doctorado, necesitará encontrar una escuela, realmente un departamento. Lo importante es encontrar una escuela donde estén haciendo el tipo de investigación que le interesa. Obtuve mi Ph.D. de CMU Computer Science, que es un gran lugar para la visión por computadora y el aprendizaje automático.

Considere qué profesor le gustaría ser su asesor. Esa será la relación más importante que determinará en qué trabajará y si realmente terminará. De los profesores que está considerando, averigüe cuántos estudiantes han aconsejado. Busque un registro exitoso de sus estudiantes terminando. Si hay alguien con quien realmente desea trabajar, incluso podría intentar localizar algunos consejos y asegurarse de que hayan tenido una buena experiencia. Haz tu tarea aquí.

Mire los papeles que salen de los grupos. Elegí CMU porque me gustaba cómo todos los documentos en mi campo (compiladores) tenían múltiples coautores, por lo que parecía un lugar agradable para estar. Puede que te guste algo diferente.

Entonces debe presentar una solicitud y, con suerte, ser admitido.

Tenga en cuenta que no tiene que haber precisado el tema exacto de su investigación en este momento. Presumiblemente, ni siquiera sabe lo suficiente sobre su campo previsto para saber cuáles son los problemas de investigación: eso es lo que aprenderá en la escuela de posgrado. Estás eligiendo el lugar donde crees que puedes hacer una buena investigación.

Una vez que esté en la escuela de posgrado, mantenga una mente abierta y escuche las áreas que despiertan su interés. Es posible que te interese algo que nunca supiste que existía cuando eras estudiante universitario. Pensé que estaría haciendo lenguajes de computadora, pero terminé haciendo música de computadora y reconocimiento de gestos.

Buena suerte. Me parece que solo hay un puñado de elecciones que una persona hace que determina el curso de su vida. Para los investigadores, su escuela de posgrado, su asesor y su tema de tesis se encuentran entre ellos. Toma las mejores decisiones que puedas. Al final, su camino probablemente estará determinado por eventos imprevistos y probablemente imprevisibles, pero aún puede intentar maximizar sus probabilidades de éxito.


Aquí hay un video que hice alrededor de 1991 de mi trabajo como Ph.D. estudiante. Demostré esto a Steve Jobs y otros en Apple, entre otros. Pase a las 7:00 para la parte interesante. No lo patenté (¡gran error!) Porque había hecho el esfuerzo de patentar un proyecto anterior, y eso resultó ser mucho trabajo sin recompensa. Permítanme agregar más consejos gratuitos: patenten su trabajo.

More Interesting

¿Existe una incrustación del espacio euclidiano en el espacio hamming?

¿Qué tan bueno es el programa de maestría en visión por computadora de la Universidad Autónoma de Barcelona en términos de contenido, costo y futura carrera (directamente trabajo o doctorado)?

¿Cuáles son algunas razones por las que algunas personas prefieren R y Matlab a Python para el aprendizaje automático?

¿Cuál es el propósito de visualizar las capas de activación en una arquitectura de red neuronal convolucional?

¿Cuál es la diferencia entre el aprendizaje de refuerzo profundo y el aprendizaje de refuerzo?

¿Qué significa el término difusión en bibliotecas numéricas con matrices como MATLAB, Numpy o TensorFlow?

¿Qué otros algoritmos / métodos se pueden usar como alternativa al algoritmo vecino más cercano para la medición de distancia y cuál funciona mejor que NN?

¿Cómo son convexos los métodos del núcleo?

Cómo hacer LDA

¿Cuál es la diferencia entre regresión logística y factorización matricial?

¿Cuál es una buena fuente o explicación sobre la tasa de error de fonema (PER) y la tasa de error independiente de la posición, o la tasa de error de letras?

¿Qué significa el valor propio de un hessiano en el aprendizaje automático?

¿Existe alguna comparación entre las técnicas SLAM monoculares recientes, especialmente aquellas basadas en un aprendizaje profundo?

¿Cómo deberíamos comenzar con los conceptos básicos del aprendizaje automático para construir un sistema de recomendación utilizando Python?

¿Qué valor cree que tiene la selección de funciones en el aprendizaje automático? ¿Cuál crees que mejora más la precisión, la selección de características o la ingeniería de características?