Пытаетесь переключить область с докторской степени в области вычислительной биологии на постдокторскую в области машинного обучения/статистики, как повысить вероятность успеха?

Все нижеследующее происходит в британском университете.

У меня есть степень бакалавра в области физики и степень магистра в области компьютерных наук. Моя диссертация была посвящена применению различных методов машинного обучения/статистики к наборам биологических данных. Я хотел сделать что-то подобное для своей докторской диссертации, однако мой научный руководитель ушел из университета.

Сейчас я на первом курсе доктора компьютерных наук, в частности, вычислительной биологии. Моя работа сосредоточена на сравнении различных методов (физического/статистического/машинного обучения) в моделировании отдельных клеток. Мне трудно включать методы машинного обучения в свою работу, поскольку не так много наборов данных для того, что мой руководитель хочет, чтобы я делал, и поэтому подход машинного обучения оказывается сложным.

Я отчаянно хочу работу/постдок в среде машинного обучения/статистики.

  1. Я знаю, что многие пост-документы перешли в другую область после получения докторской степени, например, астрофизика на машинное обучение, надежные системы на машинное обучение, биофизика на разработку компилятора. В моем случае кто-нибудь в сообществе машинного обучения воспримет меня всерьез? (Я думал, что мой Msc поможет мне...)

  2. Я изрядно изучил машинное обучение и статистику, есть ли что-нибудь еще, что я должен сделать, чтобы повысить вероятность получения постдока по машинному обучению/статистике?

  3. Кто-нибудь в отделе статистики воспримет меня всерьез, если у меня нет математической степени?

  4. Делают ли люди, которые меняют сферу деятельности, успешную карьеру, или это обычно тревожный сигнал?

Планируете ли вы заниматься теоретической работой по CS в своей докторской диссертации или это будет только применение известных методов? Кроме того, не могли бы вы уточнить, какой постдок по МО/статистике вам нужен - теоретическое МО/статистика, прикладное (в какой области?), вычислительная биология?
@Bitwise Я почти уверен, что в основном это будут приложения существующих методов. Однако, если бы я обнаружил новые техники, я бы обязательно их опубликовал. Что касается постдока по машинному обучению/статистике, я не привередлив, но, учитывая мой существующий опыт, я думаю, что прикладной подход подойдет больше всего. Я бы предпочел небиологическое применение, но нищие не могут выбирать!
Есть ли что-нибудь еще, что я должен сделать, чтобы увеличить вероятность получения постдока по машинному обучению/статистике? - Да. Публиковать.
Один вопрос, который я хотел бы задать: если вы учитесь на первом курсе докторантуры, но думаете так далеко вперед, что хотите, чтобы ваша возможная карьера была связана с ML, почему бы не переключиться и не заняться ML прямо сейчас (или после вашего проекта), переключаясь между темами/консультантами/наборами данных или сотрудничая с профессионалом в области машинного обучения и т. д.?
@Irwin, это именно то, что я пытаюсь сделать, я пытаюсь сделать свою текущую работу как можно более ориентированной на ML. Мой руководитель — большой поклонник машинного обучения, но проблема заключается в том, чтобы получить соответствующие наборы данных.
@RRs_Ghost Я думаю, что лучше всего сосредоточиться на машинном обучении в своей докторской диссертации, как вы упомянули, что это вполне возможно.
@RNs_Ghost Просто чтобы прокомментировать «не так много наборов данных для того, что мой руководитель хочет, чтобы я делал» => почему бы вам не создать высококачественный набор данных для этой задачи? Конечно, это отнимает много времени, но наборы данных, если они полезны, могут получить высокую оценку.

Ответы (3)

Мой ответ больше основан на опыте вычислительной биологии, но я думаю, что он актуален и для других областей:

  • Смена полей очень распространена в академических кругах, особенно при переходе из докторантуры в докторантуру. Во многих случаях это на самом деле считается преимуществом, поскольку вы можете перенести свои навыки, опыт и определенный мыслительный процесс в область, в которой многие люди не обладают этими навыками. Например, многие физики, компьютерщики и математики перешли в биологию и внесли значительный вклад. На самом деле, существуют даже постдокторские стипендии, которые специально финансируют этот тип изменений в поле.

  • Что касается ваших вопросов «воспримут ли они меня всерьез?»: поскольку вы нацелены в основном на прикладное машинное обучение/статистику, я не думаю, что вам следует слишком беспокоиться, если теоретическое сообщество по машинному обучению/статистике воспримет вас всерьез. Многие теоретики склонны смотреть свысока на прикладную науку — не беспокойтесь об этом, вы все равно можете оказать существенное влияние, не продвигая никакой теории. Похоже, что в будущем вы либо будете принадлежать к тому отделу, в котором хотите применять техники (например, к кафедре биологии), либо будете тесно сотрудничать с людьми из этих отделов. В этом случае вас обычно считают экспертом по машинному обучению/статистике.

  • Сказав все это, конечно, это ваша работа, чтобы стать экспертом. Изучение теории важно, но если вы собираетесь заниматься прикладными науками, особенно прикладным машинным обучением/статистикой, было бы большим преимуществом получить реальный опыт их использования. Существует огромная разница между изучением этих методов и их реальным внедрением и использованием. Вы увидите, что во время получения докторской степени вы часто можете расширить свои исследования в направлениях, которые вас больше интересуют. Не должно быть слишком сложно творчески использовать некоторые машинное обучение/статистику в некоторых подпроектах (которые впоследствии могут быть расширены).

Спасибо. Если бы я решил, что хочу остаться в отделе компьютерных наук и работать над чем-то более теоретическим, то, полагаю, мои публикации должны были бы включать в себя разработку новых методов, а не просто применение существующих?
Теоретическая работа @RRs_Ghost будет заключаться либо в разработке новых методов, улучшении/расширении существующих методов, либо в общей теоретической работе. Конечно, когда я говорю «придумать новый метод», я имею в виду это в теоретическом смысле, т.е. математическое развитие метода и доказательство определенных его свойств (например, сходимость к хорошему решению при увеличении количества данных).

Некоторые мысли по вашим вопросам (пожалуйста, не принимайте это как истину, я нахожусь на завершающей стадии своей докторской диссертации и также ищу постдока).

Ваша степень магистра ML, скорее всего, принесет вам пользу в любом приложении для постдока (в какой степени это будет зависеть от учреждения). Что-то, что следует учитывать, возможно ли построить/включить принципы машинного обучения в ваше текущее исследование?

Один из основных способов быть замеченным в интересующих вас областях — публиковаться в рецензируемых журналах и выступать на соответствующих конференциях. Поговорите с учеными, занимающимися вашей областью интересов, поговорите со своим руководителем/консультантом – возможно, узнайте, есть ли возможность совместных статей/презентаций на конференциях.

Что касается смены карьеры, то это все чаще становится нормой — мой собственный пример — переход от экономической геологии через преподавание к физике атмосферы. В этом аспекте важно сосредоточиться на навыках, которые вы развили, особенно в исследованиях.

Надеюсь, это поможет.

Спасибо, в следующем учебном году у меня есть возможность преподавать некоторые материалы по искусственному интеллекту и машинному обучению, поэтому я максимально использую эту возможность. Кроме того, это настоящий переключатель!
Обучение AI и ML также определенно поможет!

Это сильно зависит от того, что вы хотите делать после получения степени доктора философии. Точнее, если вы хотите работать техническим персоналом, то да. Это влияет на ваши шансы на карьеру, потому что это не поможет компании, если вы являетесь экспертом, и поэтому они должны платить вам больше, чем в среднем, в другой области, и у вас нет подтвержденного солидного опыта в области, в которой они работают . хочу быть нанятым.

Однако, если вы решили работать менеджером, продавцом, маркетологом или администратором (например, подписывая заявки), то не имеет значения, в какой области у вас есть докторская степень. На некоторых должностях требуется наличие звания кандидата наук, не более.

Пытаетесь переключить область с докторской степени в области вычислительной биологии на постдокторскую в области машинного обучения/статистики, как повысить вероятность успеха?
СпросиСетьПолитика конфиденциальности1y, 0v