¿En qué se diferencia la investigación de Machine Learning en la academia de la investigación en la industria?

Hay una simbiosis fantástica entre los dos que es un importante impulsor de innovación y cambio en el mundo que estamos experimentando hoy.

Trabajé brevemente en un laboratorio industrial cuando terminé mi doctorado, y de hecho creí firmemente que sería una mejor combinación para mi conjunto de habilidades. (No pensé que sería lo suficientemente bueno como para forjar una carrera independiente en investigación, pensé que era más adecuado para traducir las ideas académicas a la práctica). Desafortunadamente, en ese momento Microsoft Research no estaba interesado en ofrecerme un puesto a largo plazo, así que terminé en la academia por accidente.

En aquel entonces, ciertamente creía que había muchas más oportunidades para implementar el aprendizaje automático en la práctica para las empresas. Los salarios fueron / son también mucho más altos!

Sin embargo, hoy la situación es un poco diferente. Todos tenemos acceso a muchos más datos, y tengo mucha libertad en lo que digo, hago y trabajo. Esto no ocurre de inmediato en la academia, estás más limitado al subir la escalera en los primeros días (o tal vez una mejor analogía es subir un poste aceitoso). Sin embargo, ahora creo que puedo tener una gran influencia de una publicación académica en aplicaciones del mundo real, tal vez más de lo que lo haría dentro de una empresa individual (¡a menos que fuera muy senior!). Me encanta poder trabajar en una amplia gama de aplicaciones y asesorar a muchas organizaciones diferentes. Es un inmenso placer.

También estoy extremadamente orgulloso de aquellos que trabajan conmigo en mi grupo de investigación (estudiantes y postdoctorados) y obtienen una alegría particular de sus logros después de que continúan.

Hay muchas atracciones para la industria, pero está claro (para mí) que las oportunidades para marcar la diferencia (hoy) en la academia son mucho mayores.

More Interesting

Cómo migrar modelos de aprendizaje automático que están escritos en diferentes lenguajes de programación

Cómo lidiar con una variable independiente categórica que tiene más de 500 variables en un problema de clasificación

¿Puede el aprendizaje profundo manejar datos desequilibrados?

¿Se están utilizando redes neuronales profundas para crear estrategias de fondos de cobertura / HFT?

¿Qué es la precisión?

¿Qué significa extraer características de alguna capa de una red neuronal convolucional?

¿Cuáles son los efectos de una estimación de densidad de kernel en los momentos de una distribución?

¿Qué son los modelos mixtos en términos simples?

Cómo hacer que una máquina entienda el texto del lenguaje natural a través de Python

¿Por qué es beneficioso centrar y normalizar los datos antes de ejecutar el Análisis de componentes principales en él?

¿Cuál es la mejor GPU que se utilizará para Deep Learning con presupuesto (> 400 $)?

Estoy interesado en el aprendizaje automático y la inteligencia artificial y recién comencé a aprender Python. ¿Qué otras habilidades debo tener en mi haber para tener éxito en este campo?

¿Cuál es una explicación intuitiva del modelo gráfico de la asignación de Dirichlet latente?

¿Cuál es un buen conjunto de datos para probar mi clasificador vecino más cercano K?

Además del aprendizaje profundo, ¿qué otras herramientas de extracción de funciones están funcionando o son prometedoras para el aprendizaje automático?