Estoy de acuerdo con Mohamed.
Si no hubiera una necesidad de la CS teórica, las universidades como CMU, Stanford, Berkley habrían cambiado su plan de estudios hace mucho tiempo. Pero no lo han hecho.
Déjame contarte un secreto : en CMU (al menos) no hay un requisito básico para tomar un curso relacionado con la IA. Nada. De hecho, yo, como estudiante universitario, no puedo tomar ningún curso de IA y graduarme. Ahora, por supuesto, sería un poco ingenuo de mi parte hacer eso, pero puedo, si quiero. Solo recientemente ha habido algunas charlas para hacer algunos cursos como el aprendizaje profundo como núcleo para el programa de Maestría.
En lo que se enfocan mucho es en la teoría.
- ¿Cuál es el mejor instituto de formación en Dehradun para Data Science?
- ¿Cómo podrían relacionarse dos conjuntos de datos y datos completamente diferentes para generar datos completamente nuevos y un conjunto de datos, y cómo el lenguaje de programación, las herramientas de modelado de datos y Excel me ayudan a realizar dicho análisis de datos?
- ¿Cuál es la diferencia entre ETL y Data Warehouse / Data Warehousing?
- ¿Debo hacer mi maestría en Data Analytics / MBA en Nueva Zelanda, Dubai o Alemania?
- ¿Cuál es la mejor manera de elegir el número de componentes en PCA durante la reducción de dimensionalidad?
En realidad, además de 3–4 cursos de programación, no hay ningún requisito de programación central. En lo que se centran es en la teoría. Porque piénselo, eventualmente incluso si todo se desvanece o cambia, el límite inferior para la clasificación no lo hará. 🙂
Con el repentino aumento del aprendizaje profundo y la inteligencia artificial, la mayoría de las personas solo intentan usar las herramientas existentes para hackear los resultados: “¡Oh! Una red neuronal con 2 capas no funciona; intentemos 4 capas “.
Solo hay una cierta población que realmente está trabajando para avanzar en el campo a través de la teoría. Y esta baja cantidad de personas en puro avance teórico es la razón por la que supongo que el aprendizaje profundo aún no es lo suficientemente “profundo”.
E incluso si avanzar en un campo en particular no es su objetivo, si desea trabajar en el aprendizaje profundo, necesita matemáticas y derivados y álgebra lineal; necesita conocimientos básicos de sistemas; necesita programación funcional para paralelizar sus algoritmos, y necesita conocer algoritmos paralelos. Si desea trabajar en procesamiento de voz o PNL, necesita física básica de ondas y señales, necesita comprender la lingüística. Si desea utilizar la IA, necesita los fundamentos de la construcción de software para construir marcos y sistemas.
Entonces, sí, es extremadamente útil que aprenda los conceptos básicos, de lo contrario todos simplemente estaremos “usando” lo que está ahí afuera en lugar de construirlo .
