Я учусь на первом курсе одного из 100 лучших университетов, изучаю информатику. Я рассмотрел все области программного обеспечения, которыми я могу заниматься, и лично я больше всего заинтересован в карьере в области искусственного интеллекта и/или машинного обучения.
По сути, мне интересно, как должна выглядеть моя учеба в колледже, чтобы мой интерес стал реальностью. Очевидно, что мне нужно изучать компьютерное программирование, но есть ли другие менее очевидные темы, которые мне следует изучить? Я слышал, что мне нужно знать все области математики, квантовой механики, физики и кучу других вещей, какова реальность этого?
И последний вопрос: нужна ли аспирантура, если я хочу работать в такой передовой области, как ИИ? Есть ли другие пути, кроме аспирантуры, которые я могу использовать, чтобы начать карьеру?
Спасибо за вашу помощь.
[Мне] нужна аспирантура, если я хочу заняться такой передовой областью, как ИИ? Есть ли другие пути, кроме аспирантуры, которые я могу использовать, чтобы начать карьеру?
«Войти в ИИ» довольно широкое понятие. Какой работой вы хотите заниматься? Теоретическое исследование? Разработка программного обеспечения? Инженерия? Чтобы получить представление о том, какие вакансии существуют, вы можете просмотреть объявления о вакансиях в Google Research, Microsoft Research, IBM Research, Amazon Research и так далее. Все они занимаются ML и AI.
У них есть позиции по всему спектру: от вещей, для которых требуется только степень бакалавра, до вещей, для которых требуется докторская степень. У меня нет опыта работы без докторской степени, поэтому я не могу вам много об этом рассказать, но многие их стажировки ориентированы на аспирантов машинного обучения и искусственного интеллекта, которые проводят там лето, а затем те же самые люди получают свои степени и подайте заявку на исследовательскую работу в этих компаниях.
Мне интересно, как должна выглядеть моя учеба в колледже, чтобы мой интерес стал реальностью.
Я могу сказать вам, что полезно знать для машинного обучения и искусственного интеллекта, помимо программирования: в информатике вам нужно хорошо разбираться в теории, которую преподают в таких курсах, как теория вычислений и алгоритмы. В некоторых школах также преподают курс искусственного интеллекта для студентов бакалавриата. Машинное обучение можно рассматривать как пересечение информатики и статистики, поэтому базовая статистика важна. Многое в AI и ML связано с (математической) оптимизацией, для этого вам нужно хорошее понимание линейной алгебры и многомерного исчисления. Некоторые методы (например, нейронные сети) требуют понимания дифференциальных уравнений и уравнений в частных производных (но я бы назвал их необязательными, вы изучите соответствующий материал, если вам когда-нибудь понадобится).
Реальность такова, что если вы собираетесь поступить в аспирантуру по AI/ML, вы узнаете все, что вам нужно для изучения AI/ML. То, что вам нужно знать, чтобы поступить на программу, сильно различается в зависимости от программы, но реальность такова, что курсовая работа, вероятно, не будет самой важной вещью в процессе поступления. Если вы собираетесь работать сразу после окончания колледжа, работодатели, вероятно, не будут особо заботиться о вашей курсовой работе. Все будет зависеть от того, как вы пройдете собеседование, которое будет сильно различаться в зависимости от работодателя.
В конце концов, я предлагаю подумать о том, какую работу вы хотите в конечном итоге выполнять, и работать в обратном направлении, чтобы выяснить, что вам нужно сделать, чтобы получить ее.
Во-первых, я поздравляю вас с тем, что вы думали в этих направлениях в свои первые инженерные дни.
Мой ответ для вас заключается в том, что ни один субъект не игнорируется, чтобы сделать машину (безжизненный объект) разумной. Но по-прежнему сосредоточьтесь на таких предметах, как инженерная математика, * структура данных (код, который ее понимает), дизайн компиляторов, операционная система, СУБД, nlp, ИИ и т. д. — на опыт в области искусственного интеллекта. Не рассматривайте их просто так, как испытуемые изучили их как профессионалы.
Для большинства студентов CSE, заканчивающих B.tech, будет два варианта: исследования или разработки.
Но многие из них не смогут понять, на что они способны. В связи с этим я бы попросил вас сначала найти хорошего наставника и сделать несколько проектов по ML, AI. Разобраться с алгоритмами. Вы должны делать проекты, в которых вы ничуть не меньше, чем типичный ИИ-разработчик.
Сделав все это, к концу курса вы сможете решить, идти ли на исследования или разработки.
Как по мне,
Если какой-либо студент хочет больше узнать об алгоритмах / математике или хочет улучшить существующие алгоритмы или действительно увлечен разработкой нового алгоритма, он может пойти на исследование.
Если какой-либо студент хочет сделать бизнес из существующей технологии, он может пойти на развитие .
Надеюсь, это будет полезно для любого студента CSE.
DrJonesYu