Soy estudiante de CS en mi segundo año y quiero centrarme en el aprendizaje automático, ¿qué camino sigo, qué cursos tomo y cómo obtengo un mentor?

Es bastante bueno que haya establecido sus objetivos antes que muchos otros de su edad. Llegando al punto, si quieres ganar una reputación en ML y en IA, lo que necesitas para estudiar de cerca son temas como, Data Mining y Data Warehousing. Una vez que haya entendido los consejos y las técnicas de estas materias, le aconsejo que también proceda a estudiar los Fundamentos del aprendizaje automático y la Inteligencia artificial.

Al principio, intente comprender los conceptos básicos porque no importa qué tan lejos quiera llegar, una comprensión profunda de los conceptos básicos definitivamente lo impulsaría incluso más allá de sus pensamientos. Una vez que haya estudiado todas estas materias, es hora de que se enfrente a materias como Data Science y Big Data Analytics.

Una vez que haya dominado estos temas, podrá crear una diferencia en ML y en IA porque estos temas le proporcionan una visión completa de datos y algoritmos de casi todo tipo.

Haga ping para obtener más orientación si es necesario.

Salud.

Hay varias piezas faltantes de información que necesito para responder completamente a esta pregunta (como qué tan lejos está usted con sus estudios de pregrado, ¿tiene su escuela un trabajo de investigación riguroso en ML, etc., etc.). ¡Sin embargo, al igual que en la vida real, a menudo operamos en condiciones subóptimas!

Si bien en esta etapa puede parecerle que AI y ML son realmente similares, pero a niveles más avanzados se dará cuenta de que sus áreas de empuje son bastante diferentes. Específicamente, creo que ML es un subconjunto de IA y no incluye cosas como la lógica de primer orden, etc. Por lo tanto, le conviene converger en uno de ellos rápidamente. Mi experiencia previa es principalmente en el área de ML, por lo tanto, mi respuesta sería un poco parcial.

Si está muy cerca de la graduación (por ejemplo, último año), queda poco para usted en términos de opciones. Su mejor opción es disparar a la escuela de posgrado y concentrarse en su área de interés allí.

Sin embargo, suponiendo que tenga al menos cerca de 1.5 años, debe considerar tomar un curso de nivel de pregrado en ML (no todas las escuelas ofrecen esto en el nivel de pregrado) o AI. Esto debe estar respaldado con un fondo adecuado de Matemáticas y Estadísticas, así que considere tomar una clase sobre Teoría de Probabilidad / Procesos Aleatorios, Álgebra Lineal y Cálculo. Además, si desea tener una “idea” de las áreas de aplicación de ML, considere tomar cursos en PNL, visión artificial o procesamiento acústico. En mi escuela, los estudiantes de pregrado pueden tomar cursos de posgrado. Si esta es una opción para usted, intente tomar un curso ML de nivel de posgrado también. Auditarlo puede ser una buena opción. Si sientes que tienes una buena comprensión de los conceptos matemáticos subyacentes, entonces deberías estar preparado para la investigación.

Su mejor oportunidad para elegir un mentor sería durante su trabajo de tesis de pregrado. Elija un mentor, que esté bien publicado en ML o AI. En la mayoría de los programas de pregrado, obtendrías aproximadamente un año para trabajar en tu tesis, que debería ser tiempo suficiente para realizar una investigación seria.

¡Buena suerte!

Me gustaría mencionar un muy buen artículo sobre el aprendizaje automático del aprendizaje automático , que seguí desde el primer día en mi carrera de aprendizaje automático.

More Interesting

¿Podrán las computadoras igualar el cerebro humano (procesos de pensamiento similares, etc.)?

Si muero mañana, ¿es posible crear una IA usando mi huella digital para seguir publicando en Facebook, Quora y Reddit?

¿Cuáles son ejemplos de aprendizaje automático en la industria de viajes?

¿Qué startups están aplicando el aprendizaje automático / IA a la tecnología sanitaria?

¿Cómo funciona Siri?

¿Es posible entrenar a una IA en datos sísmicos para predecir efectivamente los terremotos?

¿Cuáles son algunos de los principales problemas no resueltos en el aprendizaje automático?

¿Por qué Apple no está invirtiendo en aprendizaje automático? Han tardado en actualizar Siri. ¿Hay alguna razón estratégica para esta aparente falta de interés de Apple? o se están quedando atrás en esta área?

¿Quora alguna vez se volverá consciente de sí mismo, dada su gran reserva de conocimiento?

¿Debería considerarse que la computación flexible forma parte de la inteligencia artificial o la informática blanda debe considerarse una disciplina separada? ¿Y por qué?

Estoy planeando obtener una maestría en CS con especialización en inteligencia artificial de buenas universidades de EE. UU. ¿Cómo escribo un SOP para eso?

¿Leer e interpretar los contenidos del cerebro humano es potencialmente un problema de NP?

¿Qué causó el "invierno AI" y cuáles fueron las primeras señales de advertencia? Dado el estado actual de la IA, ¿es probable que haya otro período de bajo interés en el campo? ¿Qué cuellos de botella serían la causa de eso?

¿Deberían los robots y otras IA tener un estatus humano?

¿Qué tipo de entorno facilita el desarrollo de la inteligencia en los organismos?