Quiero solicitar un programa de doctorado en Machine Learning, ¿cómo debo prepararme?

La respuesta de J. Lee Anthony potencialmente ayudará a su aplicación, pero el problema es que, si desea continuar directamente, tendrá que publicar pronto. Casi todos los programas de doctorado admiten solo para el otoño y aceptan solicitudes el otoño / invierno anterior (generalmente a más tardar el 15 de diciembre). Por lo tanto, tiene aproximadamente 18 meses para realizar investigaciones y publicar antes de que las solicitudes comiencen en otoño de 2019.

Hay una solución: no vayas directamente. Obtenga su MS y obtenga experiencia en el mundo real usando ML. Vea si puede encontrar su camino en los equipos de ingeniería que crean sistemas ML. Lea la investigación en el campo y asista a algunas conferencias donde se encuentran académicos y profesionales; luego vaya a charlas de académicos cuyo trabajo le parezca interesante y hable con ellos después. Ahorre algo de dinero, forme una reputación y entre al programa con una idea mucho más clara de lo que quiere hacer y lo que tiene que ofrecer. Estamos hablando de unos tres años, de una vida profesional de más de 50 años.

Además, la principal diferencia entre una EM y un doctorado es, obviamente, la investigación, pero la principal implicación de esto no es el enfoque sistemático, ya que toda la informática es sistemática por definición. Las principales diferencias son el rigor y la escritura. El rigor significa leer todo lo que se ha hecho y evaluar su propio trabajo contra él, utilizando los métodos que usan otros. Escribir también es difícil y se subestima enormemente en la educación informática. Toma algunos cursos de comunicación profesional. La única forma de aprender a leer la investigación bien y rápidamente es leer mucho, así que tómate tu tiempo. En cuanto a la escritura, siempre estás haciendo una escritura profesional, así que hazlo bien. Asegúrese de que cuando escriba un correo electrónico, sea claro y gramaticalmente perfecto, y exprese bien sus ideas. No importa si es trivial (no, no estoy hablando de los correos electrónicos a amigos, sino de algo académico o profesional). En tu curso, comienza el aspecto de la escritura temprano. Dígale a sus profesores que escribir es importante para usted y busque comentarios. Su escuela debe tener un centro de escritura, y sí, a menudo la usan estudiantes universitarios, pero ¿qué le importa? Lleve sus documentos allí y reciba comentarios.

¡Buena suerte!

Un doctorado prototípico en aprendizaje automático es el programa de la Universidad Carnegie Mellon.

“, .. El plan de estudios para el Ph.D. de Machine Learning está construido sobre una base de cinco cursos básicos y una optativa (más el requisito del Proyecto de Análisis de Datos). Estos seis cursos también comprenden los cursos requeridos para la maestría. Junto con el requisito del Proyecto de análisis de datos, estos deben completarse durante los primeros tres años de estudio.

El plan de estudios de ML se une a los cursos con un tema principal de Ciencias de la Computación y aquellos con un tema principal de Probabilidad y Estadística. Estos se pueden agrupar de la siguiente manera:

En CS, los subcampos relevantes incluyen: bases de datos, aprendizaje automático, minería de datos y aplicaciones de algoritmos en áreas como robótica, recuperación de información e inteligencia artificial.

En estadística (incluida la filosofía), los subcampos incluyen: modelado estadístico (p. Ej., Series jerárquicas y de tiempo), redes de bayes, causalidad y diseño experimental. El plan de estudios se basa en cursos académicos básicos sobre estadísticas intermedias, aprendizaje automático, aprendizaje y descubrimiento automático de estadísticas, bases de datos multimedia y algoritmos … ”

Como puede ver, hay cursos para los que puede necesitar o prepararse.

La mejor de las suertes.

A2A. Escribir una tesis de maestría cuyos resultados sean publicables en una revista revisada por pares demostraría su potencial para hacer una investigación original, que es el factor decisivo en las admisiones de doctorado.

Creo que estas preparado. El aprendizaje automático no es muy diferente del aprendizaje de libros. El único problema a veces puede ser mirar hacia atrás a un problema de referencia o descripción. Usé cursos en línea todos los años para calificar para mis licencias de ingeniero profesional. Estos son programas de calidad que brindan información detallada sobre el tema que se estudia. No conozco ninguna preparación, excepto estar alerta y tener conocimientos de informática.

More Interesting

¿Cuál es la diferencia entre un sistema recomendado basado en la utilidad del sistema y un sistema recomendado basado en el contenido del sistema?

¿Cómo aprendiste Machine Lerning?

¿Qué pila de tecnología usa Akinator?

¿Cuáles son los algoritmos actuales de última generación para la detección de objetos en 2017?

¿Cuáles son algunos trabajos de investigación que puedo publicar en el campo del procesamiento / generación de lenguaje natural, aprendizaje automático y minería de datos?

Redes Adversarias Generativas: ¿cuál es la intuición detrás del mapeo de una muestra de ruido aleatorio a una muestra de datos?

¿Se puede entrenar la imagen usando la función de activación?

¿Cuáles son los pasos básicos del procesamiento de texto en el procesamiento del lenguaje natural para la similitud de texto?

En el autoencoder variacional, ¿por qué solo tomamos muestras de variables latentes de un gaussiano estándar y aplicamos el decodificador para generar nuevos datos en las pruebas?

En los modelos gráficos, ¿cuál es la diferencia entre un gráfico de clúster y un gráfico de factores?

¿Cómo puede beneficiarse el sector financiero con el uso de LD y AI?

¿Cuáles son algunas buenas implementaciones para modelos gráficos probabilísticos? En particular, quiero poder crear y visualizar redes de creencias y aplicar varios algoritmos como la eliminación de variables y otros algoritmos de aproximación.

¿Qué hará Keras con TensorFlow-Slim?

¿Qué tiene de bueno la PNL?

¿Cuál es el propósito de usar un parámetro de penalización [matemática] C [/ matemática] en SVM?