La mayoría de los resultados académicos en Machine Learning que he visto provienen de los departamentos de Estadística. Carnegie Melon tiene la suerte de tener un departamento real de Machine Learning. Examinaría los intereses de investigación de todos los profesores en sus departamentos de Estadística e Informática en la universidad a la que va a asistir y ver quién dice que está interesado en IA o Machine Learning. Envíe correos electrónicos educados a los profesores que coincidan con sus intereses y solicite asesoramiento. A menudo, su entusiasmo por un tema que aman es suficiente para que estén interesados en ayudarlo.
Creo que la clave real es construir conocimiento en las áreas relevantes en lugar de elegir una especialidad en particular. Si hace un buen trabajo aprendiendo los fundamentos, será más fácil aprender material más específico en el trabajo. De las matemáticas aprendería Álgebra Lineal con mucho cuidado. Me sentiría cómodo con la probabilidad también. Aprendería Estadísticas básicas extremadamente bien. Poder codificar en Python y Java lo ayudará con la mayoría de los trabajos de Silicon Valley, mientras que a las personas en finanzas les gusta usar C ++.
Si desea trabajar específicamente en medicina, también necesitará saber algo de biología. Creo que la biología celular, la genética y la química orgánica deberían ser un mínimo por el que luchar. Un curso de anatomía tampoco te haría daño. Quizás mire el plan de estudios premeditado y vea lo que consideran importante.
- ¿Se puede producir música usando las matemáticas? En caso afirmativo, ¿cómo?
- Ciencias de la computación teóricas: ¿Hay una prueba para: "La mejora personal recursiva es posible"?
- ¿Qué es Stanford M&CS?
- ¿Cuáles son las cuatro aplicaciones prácticas de la teoría de conjuntos en informática?
- Cómo comenzar a hacer aprendizaje automático para un análisis de datos simple