Entonces, al final del día, necesita una EM (que puede / no convertirse en un doctorado que conduzca a una mayor investigación, tenencia, enseñanza u otro camino).
Cuando solicite diferentes universidades, consulte las páginas de inicio de la facultad (en su caso, la facultad de ML). Echa un vistazo a su investigación, áreas de interés (esto es muy importante), estudiantes a los que están guiando, material del curso, etc.
Personalmente, no creo que haya mucha diferencia entre las mejores universidades y otras universidades de los EE. UU., Hasta cierto punto. Quiero decir, comparar Stanford con una universidad clasificada 200 obviamente significaría que Stanford es muy superior. Sin embargo, aún obtendrá el valor de su dinero si ingresa, por ejemplo, a CMU (que puede clasificarse un peldaño más bajo que Stanford). Si está buscando específicamente Machine Learning, una buena sugerencia sería CMU, de acuerdo con esto: ¿Cuáles son las mejores escuelas de posgrado para estudiar machine learning?
- ¿Cuáles son las consecuencias de usar la función de error del tren [matemáticas] \ min_ {f \ in \ mathcal {H}} \ max_ {i \ in \ {1… N \}} \ | f (x ^ {(i)}) - y ^ {(i)} \ | ^ 2 [/ math] en lugar del error de tren medio empírico estándar para Machine Learning?
- ¿Es una exageración aplicar un conjunto de redes neuronales?
- ¿Qué son los vectores en el contexto del procesamiento del lenguaje natural?
- Cómo calcular el factor de escala 1 / z en la clasificación de Naive Bayes
- ¿Cuáles serán los 3 principales problemas de aprendizaje profundo en los próximos 5 años?
Entonces, puntualmente, aquí están mis respuestas a su pregunta considerando CMU como muestra (esto puede significar que los puntos # 2 y # 4 pueden tener un sesgo):
1. En cuanto a la ubicación: cualquier universidad medio decente tendría buenas ubicaciones decentes. No necesitas preocuparte por esto. Si puede ingresar al peldaño de CMU, o al peldaño de abajo, seguramente tendrá la oportunidad de ubicarse en las principales empresas. Sin embargo, eso es nuevamente con respecto al trabajo que realizó en su EM y las habilidades que tiene. Si no tienes habilidades y mal trabajo, no esperes que te coloquen. NOTA: Puede que no haya compañías como TCS e Infosys, que vienen a las universidades y dicen (no oficialmente): “Si quieres un trabajo, te daremos uno” a cada estudiante.
2. Profesor inteligente: CMU tiene un departamento dedicado solo para Machine Learning. Puede consultar esto: Departamento de Aprendizaje Automático – Universidad Carnegie Mellon. Ir a través de la facultad, sus cursos, etc. La mayoría de los profesores son muy buenos. Sin embargo, también pueden esperar dedicación de su parte. También agregaría que Stanford tiene una facultad fuerte como el Dr. Andrew Ng (Home – Andrew Ng).
3. Publicaciones en revistas / Asistencia a conferencias: es muy posible asistir a una conferencia, especialmente mientras se estudia en los Estados Unidos. La universidad debería patrocinarte (de nuevo, solo debes confirmar esto). Con respecto a las publicaciones en revistas, eso requeriría su propio trabajo duro. Puede ser fácil obtener una publicación de revista allí. Sin embargo, recuerde lo más importante: NUNCA COPIE y PEGUE. SIEMPRE. Como práctica, comience a escribir todo lo que pueda A MENOS QUE esté citando algo directamente. Además, antes de enviar cualquier cosa para su publicación, revísela con al menos un miembro de la facultad, preferiblemente su asesor / guía de la facultad. Recuerde que es mejor citar mucha basura (como imágenes que puede obtener de Google Images) que olvidar citar cosas.
4. Aprendizaje automático: si no sabe exactamente lo que desea hacer en Aprendizaje automático, CMU parece el mejor lugar para ir. Sin embargo, nuevamente debo reiterar, por favor mire también las páginas de inicio de los profesores y las páginas de inicio de los estudiantes. Vea también las áreas de interés de la facultad y de los estudiantes (muchas personas ignoran esta parte, pero creo que es importante ya que puede necesitar ayuda para establecerse, y por lo que he escuchado, los miembros de su grupo de investigación son importante como tu guía).
