¿Qué bajo mayor es bueno para el aprendizaje automático?

Ciencias de la Computación. Aquí es donde estarán los cursos que contienen ML, y se pueden practicar las habilidades prácticas.

———

Para realmente poder hacer ciencia de datos, debe considerar la escuela de posgrado (preferiblemente doctorado). En la escuela de posgrado, aprenderá habilidades de investigación, que son muy difíciles de desarrollar en la industria.

En las escuelas de posgrado hay dos opciones:

• Aprender ciencias naturales te dará las mejores habilidades de investigación de todos los grados. Sin embargo, tendrá que tener una pasión por el campo sobre el campo para tener verdadero éxito.
• La informática, a veces carece de profundidad (énfasis excesivo en las aplicaciones y falta de fundamentos). Sin embargo, lo mantendrá cerca de la meta, trabajando con las herramientas y los problemas que el mundo de la industria realmente necesita.

Si sabe que la ciencia de los datos es su pasión (u objetivo), me quedaré con la informática.

Solo mi 2 centavo.

La teoría de la computación que se enseña en CS es crítica para una comprensión profunda del aprendizaje automático. Es la base que tiene sentido por qué las cosas se hacen de la manera en que se hacen en el aprendizaje automático. Alguien de matemáticas o estadísticas aún puede ser bueno, pero el camino más fácil es especializarse en CS y elegir la teoría computacional si es opcional.

De Wikipedia

En ciencias de la computación teórica y matemáticas, la “teoría de la computación” es la rama que se ocupa de cuán eficientemente se pueden resolver los problemas en un modelo de computación, utilizando un algoritmo.

También los algoritmos, la inteligencia artificial y las estructuras enseñadas en CS son muy importantes para el aprendizaje automático. Hace que sea mucho más fácil entender lo que está sucediendo.

A2A. Como otros han mencionado, la respuesta depende de lo que quieras hacer. Si desea continuar estudios de posgrado, entonces una licenciatura con Stats / Math (menor) y CS (mayor) como subprocesos ayudaría.

Si desea encontrar trabajos relacionados con ML justo después de la licenciatura, lo más probable es que encuentre un rol de ingeniero de software en un equipo que trabaje en ML. Entonces, la licenciatura de CS con un poco de matemáticas / estadísticas ayudaría.

Para entrar en el rol de ingeniero de Data Science / ML puro, recomendaría estudios de posgrado. La mejor base que puede darse es conocer buenas estadísticas / matemáticas. CS tendrías que aprender de todos modos.

El aprendizaje automático es un subcampo de la informática (más particularmente la informática suave) que evolucionó a partir del estudio del reconocimiento de patrones y la teoría del aprendizaje computacional en inteligencia artificial.

mira estos interesantes videos relacionados con el aprendizaje automático

La mayoría de los investigadores de ML tienen experiencia en informática, pero también hay muchos de ingeniería eléctrica, ingeniería mecánica, psicología y otros campos. Muchos algoritmos de ML involucran estadísticas y / o ecuaciones diferenciales, por lo que mi consejo sería especializarse en CS y obtener una especialización doble o doble en estadísticas y / o matemáticas aplicadas. El título de BS lo preparará para ingresar a ML, pero para realmente aprender ML, deberá ir a la escuela de posgrado para una maestría y / o doctorado. Al elegir una escuela de posgrado, la consideración más importante será encontrar una con un grupo de investigación de ML fuerte.