¿Vale la pena duplicar mi especialización en ciencias de la computación y matemáticas si quiero investigar en IA, no en matemáticas?

Vale la pena.

Realicé mi Maestría y Doctorado en Ingeniería Eléctrica e Informática y también obtuve una Maestría doble en Matemática Aplicada y Estadística, por lo que puedo relacionarme con esta pregunta, ya que es algo que me pregunté cuando estaba haciendo mi doctorado.

Actualmente hago investigación aplicada en Machine Learning, que es un campo interdisciplinario que se encuentra en la intersección de la informática, las matemáticas y las estadísticas y la ingeniería eléctrica. Tener una base matemática sólida, especialmente en álgebra lineal, teoría de la probabilidad, matemática discreta, teoría de la optimización personalmente me ha ayudado enormemente a comprender y apreciar la base de muchos de los modelos matemáticos utilizados en el aprendizaje automático en la actualidad.

Si bien un título en Ciencias de la Computación puede ayudarlo a comprender el aspecto ‘CÓMO’ del aprendizaje automático (es decir, cómo implementarlo, cómo escalar las cosas …), un título en Matemáticas lo ayudará a comprender el aspecto ‘POR QUÉ’ (por qué el núcleo de base radial en SVM, por qué la regularización L1 …). Para mí, saber ‘por qué’ es más importante que ‘cómo’, especialmente cuando comienzas de nuevo en tu carrera como profesional de ML. Si no sabe “por qué” lo suficientemente bueno, “cómo” nunca será natural. Por ejemplo, si sabe “por qué” la regularización de L1 induce escasez, sabrá “cómo” implementar el regularizador correctamente y tal vez de manera eficiente …

Ve a por ello.

Obtuve una licenciatura en CS / Matemáticas y ahora estoy estudiando IA (específicamente, aprendizaje automático). Sí, definitivamente vale la pena.

La primera razón es que las clases básicas de matemáticas que necesitas para un título de CS tienden a rayar solo la superficie de lo que necesitarás para construir nuevos sistemas en IA. Si bien conocer la definición del gradiente y el hessiano es suficiente para llevarlo a través de una buena cantidad de documentos sobre redes neuronales, comprender la importancia de las propiedades de los hessianos, así como las tasas de convergencia de los métodos numéricos, ayuda a hacer la investigación, mejorando los métodos existentes o proponiendo nuevas viables. Querrá avanzar un poco más en el análisis numérico, el cálculo multivariable, las ecuaciones diferenciales y el álgebra lineal. Si desea hablar sobre modelos generativos de distribuciones complejas, es probable que su primera clase prob / stats no sea suficiente, y nuevamente querrá un cálculo más robusto. Otras partes del campo que no son de aprendizaje automático podrían beneficiarse de algunas combinatorias.

La segunda razón es que todos estos subcampos de IA dependen de alguna base matemática para lo que hacen. Expandir sobre esa base matemática se basa en pruebas: pruebas de convergencia, de corrección, de complejidad de tiempo de ejecución. A su vez, debe poder leer pruebas generalizadas lo suficientemente bien como para adaptarlas a su entorno o situación particular, una habilidad que realmente no es natural y, dependiendo de cómo se aplique su programa de estudios, puede ser realmente difícil de hacer. inicialmente.

La razón final es que incluso si solo investigas en IA, querrás poder comunicarte con otros informáticos que estudian otras cosas, incluida la informática científica y la teoría. Eso requiere un poco de análisis numérico, teoría de grafos, teoría de conjuntos, etc. Ser capaz de comunicarse con otros investigadores y matemáticos es lo que ha permitido que ocurran varias revoluciones en la IA, incluido el aprendizaje espectral en la actualidad. Si simplemente estaba implementando herramientas existentes, puede que no sea tan importante, pero si desea estar a la vanguardia, debe ser capaz de comprender lo que está sucediendo en otros campos científicos, y el lenguaje utilizado para comunicarse entre ellos es matemáticas.

Es completamente posible convertirse en un investigador funcional en IA sin tener también un título en matemáticas. Sin embargo, ir más allá en las clases de matemáticas, ya sea que sea o no parte de su programa oficial de estudio, lo ayudará mucho a largo plazo. Y, si le gustan las pruebas, podría contribuir de manera sustancial a una base teórica para el campo más adelante con ese conocimiento y comodidad.

Sin duda, las clases de matemáticas te ayudarán en informática, especialmente cuando se trata de IA. Sin embargo, consideraría obtener una especialización en Matemáticas o simplemente tomar las clases adicionales que le interesen en lugar de gastar el tiempo y el dinero extra para duplicar la especialización.

Si su objetivo es hacer una gran investigación en IA, consideraría terminar su licenciatura y luego obtener un doctorado en IA, o al menos, una maestría en IA basada en tesis.