¿Cuál es la viabilidad de los trabajos no académicos para un doctorado EE frente a un doctorado CS en aprendizaje automático / aprendizaje profundo?

Realmente depende en gran medida del enfoque que haya tenido en su doctorado. En general (aunque no es cierto todo el tiempo), EE significa hardware, que puede abarcar desde la física del dispositivo hasta el diseño del chip. Si ese es el enfoque, entonces la viabilidad de los trabajos no académicos en aprendizaje automático / aprendizaje profundo probablemente abarcará roles de hardware construyendo hardware especializado para aprendizaje profundo / aprendizaje automático (por ejemplo, compañías como NVidia, Intel (Nervana) y otras). Si su enfoque de EE es más señales y sistemas (por ejemplo, principalmente estadísticas) y / o software a nivel de sistemas que utilizan el aprendizaje automático, sus perspectivas probablemente se parecerán mucho más a un doctorado en CS. En este caso, podría ser un programador de bajo nivel (por ejemplo, C, C ++, Assembly), por lo que las perspectivas incluyen empresas que crean marcos para aprendizaje automático / aprendizaje profundo (generalmente cualquier gran empresa, Facebook, Google, Microsoft, etc., así como algunas otros más pequeños como Skymind).

Si usted es un doctorado en CS y se ha centrado en desarrollar nuevos métodos y algoritmos, entonces también puede encajar en el paradigma de programador de bajo nivel anterior o puede encajar en cualquier organización de investigación de la industria (nuevamente grandes compañías tecnológicas junto con otras como OpenAI, ElementAI). , DeepMind, etc.). Por supuesto, si eres un experto en aprendizaje automático / aprendizaje profundo de tu doctorado, es probable que seas bienvenido en cualquier lugar donde puedas implementar los algoritmos que has aprendido, lo que significa que probablemente puedas trabajar en casi cualquier empresa de tecnología, aunque si eres En busca de la emoción de trabajar en la vanguardia, es posible que desee centrarse en los gigantes tecnológicos más grandes. Por supuesto, la emoción del aprendizaje automático / aprendizaje profundo también puede provenir de aplicarlo a un campo novedoso, por lo que si también eres un ingeniero de software decente, puedes encontrar un trabajo en una nueva startup o empresa que solo aplica ML a un campo tradicional negocio más fascinante.

Espero que esto ayude 🙂

Creo que EE vs. CS puede considerarse hardware vs. software. Es probable que EE pueda desarrollar un chip o una nueva estructura que proporcione la canalización para la IA, y CS presentará algo y lenguajes que realicen la IA. Sin embargo, después de todo, pensando en la tarjeta de video y nuestro cerebro, para tener un mejor rendimiento y rendimiento, creo que el hardware es esencial, por lo que tal vez no solo EE, la biofísica también puede contribuir en esto. Gracias.