¿Cuáles son los mejores temas de investigación para la inteligencia artificial en la maestría?

Answer 1

Esta pregunta es terriblemente difícil de responder sin conocer más detalles. Dicho eso …

No haga su elección en función de las demandas en entornos empresariales y científicos como Mencionaste. OMI, esa es una forma terrible de hacerlo. Están sujetos a modas, como las dietas que ves en The Food Network. Esto es especialmente cierto en un campo tan impulsado por la publicidad como la IA.

En cambio, le sugiero que seleccione su tema en función del área de investigación en la que le gustaría trabajar (procesamiento de imágenes, robótica, …), mientras considera también en qué cree que es bueno (investigación matemática de IA, ML aplicado) , ¿Una mezcla de ambos?). Si considera un diagrama de Venn con estos conjuntos, (probablemente) tomará la decisión adecuada para usted.

Las diferentes áreas de investigación tienen sus propios métodos preferidos, por lo que si considera eso, automáticamente estará trabajando en el estado del arte en ese campo. Es más probable que termines amando tu investigación.

Sé por experiencia de primera mano que la duración del máster es muy poco tiempo para dominarlos a todos. También hay una amplia variedad de áreas de investigación muy interesantes en IA para elegir. Entonces, antes de hacer su elección, solo asegúrese de analizarlos todos, o al menos leer sobre ellos para ver cuál le gusta.

Feliz investigando.

Answer 2

Esa es una Q súper dura.

Todo está en movimiento, por lo que es muy difícil predecir exactamente qué constituye un “buen futuro”. Peor aún, la IA es un ritmo de movimiento muy muy rápido y, por lo tanto, es aún peor decirte cuáles son buenos “sujetos de investigación”.

SIN EMBARGO, si estoy confundido en su definición de temas, tengo dos:

1. Asignatura como en cursos uni reales

1. Cualquier curso sobre aprendizaje por refuerzo, redes neuronales convolucionales y redes bayesianas.

Asunto como en el tema del proyecto

1. Hmmmm … Diría que existen 2 buenos temas a considerar:

1. Explicando los algos de caja negra de NNs. (Redes neuronales)
2. Diseñar una nueva forma de “eliminar” el concepto de pesas para eliminar este enigma de la caja negra.
3. Haga mejores métodos de optimización para NNs.
4. Probablemente busque en SVM (Máquinas de vectores de soporte): escuché que ya nadie lo mira, ¡así que tal vez pueda encontrar algo que hacer en él! (Dado que las NN se han comido todos los trabajos de investigación)