La primera parte de esta respuesta debería darle muchas ideas (divergencia), la segunda parte de esta respuesta debería convergerlo con algunas buenas ideas (convergencia).
1. Futuras áreas de investigación.
- Percepción de la máquina
- Visión por computador
- Procesamiento natural del lenguaje
- Reconocimiento de patrones sintácticos
- Los motores de búsqueda
- Diagnostico medico
- Bioinformática
- Interfaces cerebro-máquina
- Quimioformática
- Detectar fraudes con tarjetas de crédito
- Análisis del mercado de valores.
- Clasificación de secuencias de ADN
- Minería de secuencia
- Reconocimiento de voz y escritura
- Reconocimiento de objetos en visión artificial
- Jugando juego
- Ingeniería de software
- Sitios web adaptativos
- Robot locomoción
- Publicidad computacional
- Finanzas computacionales
- Vigilancia de la salud estructural.
- Análisis de sentimientos (o minería de opinión).
- Computación afectiva
- Recuperación de información
- Sistemas de recomendación
2. Antes de comenzar un doctorado
Muchos de mis amigos están haciendo un doctorado o una maestría en aprendizaje automático. Sus proyectos implican, en gran parte, escribir software. Por las razones resumidas a continuación, es importante trabajar hacia una aplicación de la vida real. Entonces, antes de comenzar su doctorado, le sugiero que presente una aplicación original y útil. Alternativamente, puede tomar un problema de la literatura e inventar una nueva solución. Sea cual sea el camino que tome, debe asegurarse de que puede utilizar toda su creatividad cuando trabaje en su proyecto, y asegurarse de que su proyecto se aborde utilizando las habilidades que ha dominado actualmente. No se deje engañar para aprender muchas cosas nuevas, ya que puede resultar que las cosas nuevas que planea aprender no sean tan interesantes * después de todo.
- ¿Cuáles son las intersecciones entre los campos de la ciencia de datos y los sistemas complejos?
- ¿Cuáles son los mejores algoritmos de aprendizaje sin supervisión para la corrección ortográfica?
- ¿Existe un método común para detectar la convergencia de la muestra de Gibbs y el algoritmo de maximización de expectativas?
- ¿Cuáles son los problemas de investigación en la detección de objetos?
- ¿Cuál es la diferencia entre TF-IDF-CF y CF-IDF?
- Crear un buen código es mucho más fácil cuando trabajas para una aplicación del mundo real.
- Escribir una tesis es más divertido cuando puedes mostrar tus resultados.
- En comparación con la investigación matemática abstracta (por ejemplo, demostrando la convergencia para impulsar), la investigación aplicada es más elegible para financiación.
* Supongo que tienes una sólida formación en matemáticas, estadísticas e informática.