¿Cómo es ser un estudiante de doctorado en aprendizaje automático?

(A2A)
Estoy haciendo mi doctorado en modelo gráfico y teoría estadística del aprendizaje relacional.
Como Robert Chen ha mencionado, es casi lo mismo que investigar en algún otro campo.
Sin embargo, aquí está mi experiencia, que es típica de mi área de investigación (y puede que no sea típica en otros subcampos):

  • Es muy difícil hacer una investigación útil en los primeros dos años de doctorado, ya que la amplitud y profundidad del conocimiento necesario para hacer cualquier investigación (publicable) requiere al menos dos años para comprender. Incluso después de tres años y medio, todavía estoy tratando de entender algunos de los conceptos básicos.
  • Publicar un documento de conferencia lleva entre 6 meses y un año de investigación (este período de tiempo es generalmente más corto en otros subarchivos como PNL, etc.).
  • Necesitas ser muy bueno en matemáticas (especialmente en probar teoremas)
  • Finalmente, el campo de ML es tan grande ahora que es muy difícil explicar el trabajo de uno a otra persona, incluso cuando es un investigador de IA o aprendizaje automático (por ejemplo, en uno de mis trabajos de conferencia de 8 páginas tuve que usar 4 páginas solo para explicar antecedentes y trabajos relacionados).

Como no estoy tomando ninguna clase, mi trabajo consiste en asistir a reuniones (de 6 a 8 horas a la semana), escribir papel / póster / revisión / refutación (de 1 a 2 horas en promedio, ya que la escritura en papel suele ser una actividad de dos veces al año), busca en Google y lee trabajos de investigación nuevos / antiguos, piensa en nuevas ideas para el próximo trabajo y algunos códigos (tal vez 1000-2000 líneas al año).

Además, si soy un TA por un semestre, tengo que calificar la tarea, el examen de supervisión, las horas de oficina, dar a los estudiantes comentarios / calificaciones y, a veces, enseñar una clase por un día o dos. Esto promedia alrededor de 30-40 horas a la semana. (¡Es muy difícil hacer una investigación cuando eres apoyado como un TA)!

Solo un comentario. Hay mucho trabajo aburrido. Obtener y limpiar datos es una gran parte del esfuerzo. No es un gran desafío técnico. Se trata de servicios de limpieza de datos.

Pero, una vez que trabaja en los datos, se siente muy gratificante ver que su resultado coincide con su hipótesis.