¿A quién le pagarían más en el campo de la inteligencia artificial (aprendizaje automático), un graduado de doctorado o un graduado de MBA?

Esta es una conversación del viejo mundo / nuevo mundo. En el siglo XX, hacer que un negocio funcionara se trataba de administrar personas. Cada parte del negocio tenía un equipo de personas y optimizar las relaciones y estructuras de esas personas parecía la mejor manera de avanzar. Una calificación de negocios parecía una buena idea y las universidades capitalizaron eso.

Ahora hacer que un negocio funcione se trata de administrar datos y máquinas. Ahora podemos hacer desde una mesa de la cocina lo que solía llevar a miles y miles de personas en corporaciones globales.

Pero también hemos cambiado la forma en que aprendemos. Las universidades eran una idea muy antigua, escindidas de los monasterios y centradas en enseñar a un pequeño número de élites mediante entrenamiento individual. Pero este modelo ya se había corrompido en el siglo XIX al enseñar lo básico a las clases grandes: la educación se producía para las masas y se convertía en un producto vendible, perdiendo gran parte de su valor en el camino.

Este sistema se convirtió en su propia autocracia y esto todavía tiene algo de actualidad. La idea de que si aprendes lo suficiente, podrás convertirte en un maestro como nosotros y tener acceso exclusivo a todos los mejores trabajos, es seductor y domina durante medio siglo. Pero se está desvaneciendo ya que todos vemos lo que realmente está sucediendo aquí y cómo afectará a los viejos sistemas. Como dijeron en la revolución industrial, cuando aparezca la máquina de vapor, no solo reemplazará a los caballos lentos o los débiles, sino que reemplazará a todos los caballos. Del mismo modo, las máquinas inteligentes no solo reemplazarán a “las otras personas”, sino que también reemplazarán a todas las personas, incluidos los doctorados y los MBA. Justo cuando el chico del establo se convirtió en el ingeniero de automóviles, de repente el único trabajo solicitado será trabajar con las máquinas y ayudar a hacer mejores máquinas.

Entonces, ¿dónde aprendes esto? No sumergiéndote en los viejos sistemas de doctorado o MBA. Ni pasando por un sistema de aprendizaje productivo. El camino a seguir es sumergirse en los nuevos sistemas, al nivel más alto posible y aprender de todas las maneras posibles. Entra y trabaja, en lugar de esperar subir en los viejos y lentos sistemas, y luego esperar entrar.

El doctorado se graduó, y ni siquiera está cerca.

Un MBA es un título en negocios e irrelevante para el aprendizaje automático. Los doctorados especializados en aprendizaje automático, especialmente los buenos, son muy buscados y pueden obtener paquetes de compensación total de 300K + en las principales empresas directamente desde la escuela.

Depende de en qué campo se encuentre el doctorado.

Asumiendo una educación de pregrado equivalente (digamos summa en matemáticas de una de las 10 mejores escuelas), los cursos de MBA son significativamente más relevantes para el aprendizaje automático que lo que está estudiando un doctorado en matemáticas.

Como mínimo, los programas de MBA tendrán clases de estadísticas (algunos tienen clases legítimas de aprendizaje automático ahora, y siempre puedes inscribirte en los doctorados), y la economía puede ser útil para calcular los costos y beneficios de desarrollar y usar un algoritmo. Además, el candidato a MBA, antes de hacer el MBA, podría haber trabajado en una función de análisis o ingeniería de software, que es infinitamente más útil que las matemáticas de la escuela de posgrado.

Esto es todo para decir que importa en qué se encuentre el doctorado. Un doctorado en ciencias de la computación o estadística de una de las 20 mejores escuelas es significativamente mejor que un MBA de Harvard o Stanford si su objetivo es trabajar en un papel puramente técnico en el aprendizaje automático.

Un MBA no solo no está capacitado como científico de datos, sino que está capacitado para ser lo contrario en comportamiento y actitud de lo que debería ser un científico de datos.

Depende más de la persona que del grado.

More Interesting

¿Se podría entrenar a la IA para que reconozca el significado de la comunicación de gato a humano y resuelva respuestas adecuadas de humano a gato?

¿De qué maneras la IA puede reemplazar las actividades de gestión?

¿Qué agregaría a la red neuronal artificial actual para parecerse más a la red neuronal biológica?

¿Por qué el aprendizaje profundo funciona tan bien en el mundo real?

¿Qué significa que Google se convierta en una compañía 'AI-first' (citando a Sundar)? ¿Cómo afectará esto la priorización y el desarrollo de productos?

¿Funcionarán múltiples electrodomésticos en un sistema operativo uniforme en el futuro? o simplemente hay una necesidad de trabajar en esta dirección? ¿Si es así, entonces cómo?

¿Es Machine Learning el futuro de la IA?

¿Cuándo avanzará la composición musical algorítmica hasta el punto de desplazar una importante cuota de mercado de la música creada por humanos?

¿Por qué las IA en ciencia ficción se presentan como inmortales, cuando las computadoras de consumo solo duran de 3 a 5 años, e incluso las profesionales solo de 20 a 40 años?

¿Qué startups de IA parecen estar teniendo éxito?

¿Tendría una inteligencia artificial miedo a la muerte?

¿Qué cosas necesito para desarrollar una inteligencia artificial?

¿Es posible emular el patrón de habla de una persona a partir de una oración / párrafo simple como se muestra en Misión Imposible 3?

¿AI tiene una mente?

¿Cómo funciona el reconocimiento de voz? ¿Qué avances en software / hardware deben hacerse para mejorarlo, o es solo una cuestión de construir una base de datos más grande?