Asumiría que un doctorado en Aprendizaje automático, Matemáticas / Estadística o Ciencias de la computación sería útil: un Máster podría ser adecuado para la industria, pero si desea continuar una investigación académica no lo llevará a ningún lado. Siempre que su especialización en uno de estos campos se relacione con problemas en Data Science, se sentirá feliz, es principalmente una cuestión de evaluar su interés en los diversos campos. Por ejemplo, si desea aplicar y ajustar los algoritmos de ML a los problemas del mundo real, entonces elija ML. Si quieres ser el que escribe y / o prueba activamente que estos algoritmos son útiles, entonces opta por Matemáticas. Si está más interesado en desarrollar y comprender el software “Big Data” distribuido / en paralelo, vaya a CS.
Sería escéptico acerca de los programas dirigidos a los “científicos de datos”; este tipo de programas parece estar dirigido a profesionales en lugar de académicos.
Tenga en cuenta que si se dedica y se destaca en cualquiera de estos campos, es muy probable que se lo asigne a I + D para un gigante tecnológico, donde su calidad de vida, velocidad de investigación y pago serán mucho más competitivos que un puesto de enseñanza en un institución de investigación normal.
- Cómo romper CPT con solo 20 días para el final
- Quiero crear un sitio web que muestre al mundo como veo la ciencia, pero me faltan los recursos. ¿Cómo debo empezar?
- Rechacé una oferta universitaria de honor y elegí ir a una universidad regular. ¿Tomé la decisión correcta?
- ¿Cómo es la presión académica y la carga de trabajo en Hampshire College?
- ¿Cuáles son los conceptos básicos de la ingeniería de la comunicación para una entrevista de un estudiante de ECE?
