Переключиться с чистой математики на машинное обучение в качестве постдоков?

Я первый год постдока по чистой математике (геометрия/топология с большим опытом в области анализа) со статистикой бакалавриата и вероятностным фоном (с также измерением теоретической вероятности). У меня также есть некоторые знания в области программирования на ForTran, C и Matlab, но я никогда не использовал их в моей чистой математической карьере в моей аспирантуре в течение последних 5 лет.

На моей следующей работе я планирую получить постдок в области машинного обучения (ML). Причина этого переключения заключается в следующем: я пока доволен своими чистыми знаниями и хотел увидеть некоторые реальные приложения математики, а также оставить свои варианты открытыми как в промышленности, так и в академических кругах.

Мои вопросы:

  1. Насколько сложным будет этот переход? Я полагаю, что у меня есть все необходимые математические знания, но будет ли сложно приобрести необходимые навыки в области компьютерных наук, даже если я буду работать над задачами, более ориентированными на теорию?

    Какие именно знания в области программирования мне нужно освоить, чтобы работать в ML?

  2. Есть ли веб-сайт/список адресов электронной почты, где я могу получать уведомления о вакансиях в области машинного обучения? Я ищу работу в основном в Европе, но информация по США также приветствуется.

Любопытно, где вы оказались в настоящее время? В настоящее время я также рассматриваю возможность перехода от математики к машинному обучению.
@JamesChung Спасибо за ваш комментарий, но я буду краток. Сначала я переключился на вычислительную нейровизуализацию (из-за ее связи с дифференциальной геометрией и статистикой/статистическим машинным обучением), откуда я также проявил активный интерес к машинному обучению и опубликовал на пересечении дифференциальной геометрии и статистического МО с приложением к нейровизуализации. Затем я несколько лет работал в промышленности, мне это не нравилось, и я планировал вернуться в академию и подавать заявки на постдоки/постоянные должности во Франции.
Спасибо за ответ. На данный момент я не знаком ни с DG, ни с ML/DL, поэтому мне неуместно вести подобные обсуждения в данный момент. (Я просто в магистратуре по математике) Однако, если возникнет что-то интересное, я был бы признателен, если бы мы могли провести дискуссию (что, вероятно, будет в отдаленном будущем).

Ответы (2)

1) Насколько сложным будет этот переход? Я полагаю, что у меня есть все необходимые математические знания, но будет ли сложно приобрести необходимые навыки в области компьютерных наук, даже если я буду работать над задачами, более ориентированными на теорию?

Не проблема : подобрать математику, связанную с ML. У вас есть необходимая подготовка, и вам будет легко разобраться в документах после начального этапа обучения.

Потенциально проблема : понимание того, почему задаются определенные вопросы и что считается интересным. В этом математики и специалисты по информатике склонны расходиться, и перевод вашей интуиции в вопросы может занять некоторое время. Но более математический склад ума также может привести к тому, что вы зададите интересные вопросы, которые НЕ задают ребята из CS!

Какие именно знания в области программирования мне нужно освоить, чтобы работать в ML?

В зависимости от того, насколько теоретическим является постдок, от нуля до R, Python и Matlab и, возможно, даже какой-нибудь распределенной крупномасштабной обучающей среды, такой как GraphLab. Но вы обязательно должны познакомиться с первыми тремя — ML — хороший пример того, как «формулировка без проблем выживает при первом контакте с данными».

2) Есть ли веб-сайт/список адресов электронной почты, где я могу получать уведомления о вакансиях в области машинного обучения? Я ищу работу в основном в Европе, но информация по США также приветствуется.

Один хороший список рассылки ml-worldwide. Еще одна группа Google ml-news.

Чтобы добавить к ответу Суреша, некоторые люди рождаются программистами и могут понять это с очень небольшим трудом. Некоторые люди (в том числе по крайней мере один великий математик, которого я встречал) совершенно неспособны мыслить алгоритмически и с трудом справляются с простейшими программными задачами. Большинство из нас находится где-то посередине. Так что ответ на вопрос «Насколько сложно освоить необходимые компьютерные навыки» действительно в некоторой степени зависит от ваших природных способностей.
«Здесь математики и специалисты по информатике имеют тенденцию расходиться», и оба имеют тенденцию расходиться с тем, что интересует ученого, работающего над данным приложением...
Еще один навык, который необходим, если вы хотите справиться с реальными проблемами, — это перевод между разными языками, такими как биолог <-> CS <-> математика и т. д.

Если вы чистый математик с опытом работы в области геометрического анализа, у вас есть интересные проблемы в области машинного обучения, называемой «Многообразное обучение», которая требует довольно много римановой геометрии и интуиции. Машинное обучение — обширная область, и вопрос в том, что вам больше подходит.

Спасибо за ценный комментарий, Машбат. У меня есть опыт работы с продвинутой римановой геометрией, частными дифференциальными уравнениями и римановыми поверхностями, но не совсем с геометрическим анализом, который занимается большим анализом, чем риманова геометрия. Я переключился на вычислительную нейробиологию с приложениями diff. гео., но мне определенно было бы любопытно узнать больше о том, какие проблемы они решают в многообразном обучении, связанном с римановой геометрией.
Переключиться с чистой математики на машинное обучение в качестве постдоков?
СпросиСетьПолитика конфиденциальности1y, 0v