¿Cuál es el requisito previo para inscribirse en un título de aprendizaje automático, especialmente si ya tiene un título en ingeniería mecánica?

Answer 1

Como alguien que ha hecho precisamente lo mencionado anteriormente, creo que puedo darle algunos consejos generales. Me gradué de IIT Roorkee con una especialización en Ingeniería Mecánica y una especialización en Ciencias de la Computación este año, y ahora estoy cursando una Maestría en Ciencias de Datos en la NYU. En mi experiencia, las siguientes cosas fueron muy útiles para mí (no necesariamente en este orden):

1. Pasantías Data Science es un campo relativamente nuevo, y no mucha gente (especialmente estudiantes universitarios) tiene experiencia laboral en este dominio. Si tiene algunas buenas pasantías, sin duda contarán mucho. Una ventaja particular en su caso es que esto también tiende a eclipsar otros factores no relevantes en el perfil de un solicitante (por ejemplo, un GPA bajo, licenciatura, etc.) cuando las empresas y universidades evalúan su perfil. También es útil si tienes experiencia en el país al que planeas postularte, ya que las personas tienden a preferir eso sobre el extranjero.
2. Proyectos Realice tantos proyectos orientados a la ciencia de datos como pueda en su licenciatura. La mejor parte de este campo es que es extremadamente generalizado, lo que significa que puede agruparlo con prácticamente cualquier otro dominio que desee, en caso de que no pueda colaborar con la facultad de Ciencias de la Computación. Además, publicar artículos siempre es un punto a favor, ya que los entrevistadores tienen una forma estandarizada de evaluar su trabajo.
3. Trabajo de curso Tomar cursos relacionados con este campo. Algunos útiles pueden ser: Probabilidad y Estadística, Álgebra Lineal, Cálculo, Optimización, Matemática Discreta y todos los cursos de CS (Estructuras de Datos y Algoritmos, Bases de Datos, PNL, Visión por Computadora, Minería de Datos, Aprendizaje Automático, etc.). Por supuesto, hacer todo esto no es posible, por lo que debe elegir. Debo mencionar que no importa tanto incluso si solo los auditas.
4. GPA Sí, la triste verdad sobre la vida es que no importa en qué campo de estudio haya estado tu licenciatura, tu GPA siempre importa. Cuanto más alto, mejor. Te sorprendería ver cuántas opciones se abren para ti y, por otro lado, cuántas se apaga.
5. Varios Además de los habituales que crean un perfil completo,
1. Mostrar iniciativa; emprender proyectos de nivel universitario, difundir el conocimiento, obtener algunos de los que te rodean.
2. Participa en hackathons en Kaggle, CrowdANALYTIX, Analytics Vidhya, etc., y trata de asegurar un rango en el 10% superior.

Por supuesto, hay muchas más cosas que puedes hacer. Esta es solamente mi experiencia. Al final, diría que no te preocupes demasiado por eso. Este es un campo que es más propicio para que las personas cambien hacia él que cualquier otro. Se necesita gente de todos los ámbitos: psicología, finanzas, economía, ingeniería, ciencia y muchos más. Y debido a esta misma razón, muchas personas carecen de dominio de la programación, por lo que siempre y cuando estés lo suficientemente motivado, ser ingeniero es sin duda una ventaja.

Espero que esto ayude.

PD : supongo que no desea hacer una distinción sustancial entre Machine Learning y Data Science.