¿Cuáles son las universidades ambiciosas, promedio y seguras para estudiar el aprendizaje automático y la minería de datos en términos de laboratorios especializados, profesores y oportunidades de trabajo?

Answer 1

No soy un científico de la computación, sino un analista y profesional con un gran interés en los métodos de aprendizaje automático. Tengo algunas opiniones sobre las universidades estadounidenses pero, lamentablemente, no puedo hablar con conocimiento sobre entidades fuera de los Estados Unidos. Con suerte, alguien más puede y lo hará; como sé, hay algunas grandes instituciones “extraterritoriales” (etnocentricidad debidamente anotada). Estos comentarios reflejarán mi sesgo analítico.

Dicho esto, hay muchos programas excelentes en los Estados Unidos. Una consideración tiene que ver con la financiación del programa: a este respecto, Cal Tech (Instituto de Tecnología de California) y su JPL (Laboratorio de Propulsión a Chorro de la NASA) probablemente estén en la cima. Entre los muchos graduados estelares de este programa se debe incluir a Usama Fayaad, quien, en los años 80, mientras estaba en el JPL, fue el primer tipo en enseñarle a una máquina cómo distinguir entre una montaña y un valle en base a datos telemétricos de un espacio sonda de Venus. Luego escribió algunos libros seminales sobre ML y también dirigió el programa de investigación de Microsoft. MIT también debe considerarse cerca de la parte superior de esta lista también. MITs Media Lab, sus programas de robótica e IA son excelentes programas de clase mundial.

Otra forma de verlo es en términos de académicos “estrella”. A este respecto, Stanford eclipsa cualquier otro programa. Los creadores de los enfoques modernos para el aprendizaje automático algorítmico fueron (y aún lo son) los muchachos de Stanford, incluidos el fallecido Leo Breiman (CART y bosques aleatorios), Jerry Friedman (coautor de CART y desarrollador de MARS) y Bradley Efron, desarrollador de enfoques de arranque. al aumento de datos y remuestreo. También en Stanford, enumeraría a Trevor Hastie y Rob Tibshirani. A partir de los años 90, realizaron muchos talleres excelentes y muy concurridos sobre métodos modernos para el modelado estadístico (suplantando y ampliando las técnicas multivariadas clásicas) que condujeron directamente a su texto seminal Elementos de aprendizaje estadístico . Además, los tutoriales de Andrew Ng en Youtube son probablemente los programas de ML en línea más vistos (Coursera y MOOC) que existen.

Otra consideración debe ser la calidad general y la profundidad del programa. Aquí, pondría a Carnegie Mellon, Harvard y Johns Hopkins entre las entidades que ofrecen algunos de los mejores entrenamientos y educación.

Otra consideración más podría ser la ubicación. Por supuesto, la proximidad de las universidades en el área de la Bahía de San Francisco (UC Berkeley, Stanford, etc.) a Silicon Valley representa tremendos efectos multiplicadores. Cornell fue el beneficiario reciente de un Data Science Center multimillonario financiado con sede en Nueva York en su isla Roosevelt. También en Nueva York hay otros DSC excelentes, como el Instituto Courant de la NYU, Columbia, la Universidad Rockefeller, etc. El área de Boston es un imán para los mejores programas de ML, aunque su versión de Silicon Valley, el área alrededor de la Ruta 128, se ha atrofiado en los últimos años. Seattle (U de Washington), Chicago (U de Chicago), y así sucesivamente.

Estos son solo algunos de los mejores programas académicos. En el lado corporativo, hay muchas entidades excelentes que han fomentado los enfoques de LD. Por supuesto, el abuelo de todos ellos era AT & Ts Bell Labs. Pero IBM, Microsoft y, más recientemente, Google, Amazon, Apple y Facebook ofrecen trabajos sobresalientes “post-doc”. Una forma de identificar las principales oportunidades entre este conjunto es simplemente mirar el precio de las acciones o la capitalización de mercado. Cuanto más grandes son estas métricas, más exigentes, selectivos y rigurosos son los entornos con los que están asociados.

Luego están las muchas organizaciones y asociaciones que fomentan las técnicas de ML como KDD, NIPS y NSF.

Sé y reconozco que esta lista es demasiado breve. Mis disculpas por no mencionar todos los otros grandes programas y oportunidades. Con suerte, otros coroanos pueden llenar los muchos vacíos.