Me gustaría responder a esta específicamente para un candidato a doctorado. Si no es candidato a doctorado, a quién le importa lo que elija. Es tu trabajo (lo que debes hacer) o tu pasatiempo (a nadie le importa).
Hice mi doctorado antes de la edad de aprendizaje profundo, hace unos 10 años. Era la era del reconocimiento de patrones. En aquel entonces, las mejores señales para extraer patrones eran imágenes o señales similares a la imagen. Fue popular. Fácil de publicar artículos. Existieron muchos problemas de CV, ninguno se resolvió y las imágenes digitales eran un bebé. Por lo tanto, la mayoría de los estudiantes de doctorado fueron para los campos de CV / PR, como yo. No fue una elección, más como la tendencia en el mundo académico y la industria.
Sigue siendo así. Hoy la tendencia es el aprendizaje profundo. La industria se vuelve loca por eso. Porque puede conducir a “inventos”, en otras palabras “dinero”.
- ¿En qué problemas de aprendizaje profundo las redes neuronales son propensas a grandes sesgos?
- ¿Cómo es la competencia para un doctorado en las mejores escuelas en áreas distintas a la IA? Parece que todo el mundo quiere obtener un doctorado en IA hoy en día, por lo que me preguntaba cuántas aplicaciones obtienen otras áreas.
- ¿Todos los robots tienen IA?
- ¿Alguien puede compartir su experiencia con la técnica de aprendizaje semi supervisada de Label Propagation? ¿Cómo funciona ese método en la naturaleza?
- Si muero mañana, ¿es posible crear una IA usando mi huella digital para seguir publicando en Facebook, Quora y Reddit?
Creo que depende de tus antecedentes. Ve por CV si eres un chico de procesamiento de señal, ve por PNL si eres un chico de informática. Elija su tema relacionado con su fondo o su proyecto anterior (másters, etc.)
O crea tu propio problema si no quieres odiar tu doctorado mientras lo haces. Es difícil. ¡Pero piensa y encuéntralo! Invierta tiempo en su tema. No tienes que seguir el flujo.