¿Qué clases de ciencias de la computación / matemáticas debería tomar como estudiante universitario dispuesto a realizar trabajos de posgrado en aprendizaje automático y estadística aplicada?

Answer 1

Es genial que seas (supuestamente) estudiante de segundo año y ya estés planeando tu dirección futura. Cuando estaba en la universidad, realmente tomaba clases de lo que todos tomaban y no tenía idea de lo que haría después de graduarme …

En cuanto a su pregunta, tome el Álgebra lineal y la Teoría de la probabilidad lo antes posible, el aprendizaje automático se trata de matrices y de probabilidades. Entonces, por supuesto, el algoritmo es el núcleo de casi todos los campos de la informática, incluido el aprendizaje automático.

Las clases de EE pueden ayudar:

El procesamiento de señales puede exponerlo a la teoría de la información y a las transformaciones, sin embargo, la comunidad de aprendizaje automático depende cada vez menos del procesamiento de señales debido al aprendizaje automático de características proporcionado por las redes neuronales profundas, por lo que este curso es probablemente opcional.

El proceso aleatorio es una extensión de la teoría de la probabilidad, y a menudo se ofrece en el departamento de EE.

Finalmente, la optimización (convexa / no lineal) es un curso muy importante, a menudo ofrecido por el departamento de matemáticas y, a veces, en EE. No necesita conocimiento sobre probabilidad, etc. para tomar este curso, pero es muy pesado en matemáticas, así que asegúrese de ser bueno en el cálculo antes de tomarlo.

Answer 2

Cálculo, álgebra lineal y tantos cursos de probabilidad y estadística como pueda tomar (recomiende el nivel de posgrado, si es posible). Si espera investigar, sugiero topología o análisis real, ya que están basados ​​en pruebas y serán útiles para escribir documentos / leer documentos técnicos.

Answer 3

De lo más importante a lo menos:

Álgebra lineal (obligatorio para poder seguir cursos de ML)

Estadísticas (obligatorio para la exploración de muchos datos durante toda su carrera)

Cálculo (es bueno tener que entender algunos de los algoritmos centrales en ML)

Probabilidades (para encontrar el camino, pero no tanto)

No omitiría ninguno de estos cuatro y me enfocaría mucho en los dos primeros, sería bueno en el tercero y terminaría el cuarto para saber de qué está hablando la gente.

Además, domine un lenguaje de programación: Python es una buena opción en este momento.