¿Cómo debe un estudiante de maestría en Ciencias de la Computación elegir un asesor?

No estoy seguro de cómo responder a esta pregunta (para ser honesto). Su pregunta de línea de asunto es diferente del objetivo de la pregunta que tiene (que se trata de especialización, no de elegir un asesor).

Es difícil ser un especialista en muchas áreas cuanto más estudias en una disciplina. Algunas personas pueden hacerlo, otras no. En cuanto a su pregunta sobre la elección de un asesor:
-¿El asesor propuesto investiga en el área que le interesa? Si es así, ¿qué tan activamente?
-Qué ocupado está el supervisor. Dependiendo de la posición de su asesor, puede encontrarse haciendo mucho trabajo por su cuenta, mientras que con otros puede tener mucha flexibilidad debido a sus horarios. Dependiendo de cómo aprenda e investigue, esto puede hacer o deshacer una experiencia educativa en un programa de maestría.

Responder estos dos tipos de preguntas lo guiará en la dirección correcta sobre la elección del asesor que se adapte a sus necesidades educativas.

¡Buena suerte!

Como señaló Daniel, la pregunta es un poco vaga, pero intentaré responderla desde mi entendimiento.

Recientemente me gradué de la Universidad Stony Brook y tomé Gráficos por computadora, Minería de datos, Procesamiento de lenguaje natural, así que creo que puedo darle una perspectiva aquí.

Gráficos por computadora y visión por computadora:
Para ser honesto, no tengo mucha idea sobre este campo a pesar de que he tomado este curso, pero todo lo que puedo decir es que la mayoría de las empresas no están buscando ingenieros CG, CV. Hay una buena cantidad de investigación en CV en la Universidad Stony Brook, pero se detiene allí. Entre todas las empresas a las que me he postulado y entrevistado, nunca he encontrado un puesto vacante para ingenieros de CG y CV. Las empresas como nVidia, EA Sports, UBISoft pueden tener posiciones, pero esperan mucha experiencia con OpenGL y otras áreas gráficas. Si eres dedicado, podrías pasar por Dreamworks / Pixar (uno de los estudiantes de mi lote trabaja para Dreamworks, pero luego es el único. No estoy seguro de si otros no pudieron, pero para ser sincero, nadie lo intentó).

Desde mi experiencia con el curso de CG, mi idea es que debes ser extremadamente bueno en Cálculo Integral y Física para comenzar a hacer algo genial como animar agua, humo, etc. a niveles muy primitivos. Hacer que el renderizado sea más eficiente, etc., viene después, que es un área de investigación financiada en nVidia. Ahora imagine desarrollar motores de juego en los que cada detalle del entorno requiere que resuelva diferentes ecuaciones. A partir de ahí, imagine convertirse en un programador competente que tenga grandes habilidades de programación y habilidades matemáticas para ser contratado por grandes personajes como EA Sports / UBISoft. (Es posible que ya lo haya sabido, pero solo estoy tratando de explicar la cantidad de esfuerzo que requiere para ser un diseñador de juegos exitoso).

Minería de datos y procesamiento de lenguaje natural:
Este es uno de los campos más populares en este momento. Los siguientes pasos pueden prepararlo para los trabajos de datos de nivel de entrada:
1. Aprender Python, R
2. Realice un par de proyectos en Machine Learning / Data Science (proyectos adicionales en Coursera no harían daño)
3. Aprenda las técnicas estadísticas requeridas
4. Obtener una buena pasantía en empresas que trabajan en datos.

Si crees que estoy haciendo que suene fácil, no lo soy y, por supuesto, no es fácil como suena también. Pero créanme, es mucho más fácil que las áreas CG / CV. No tengo nada en contra de estas áreas, de hecho, estaba fascinado por ellas, pero es demasiado esfuerzo para un estudiante de maestría en la Universidad Stony Brook que está constantemente en una carrera con tareas y búsqueda de trabajo. A menos que sea un doctorado, no recomendaría buscar áreas CG / CV.

Volviendo a la cuestión de elegir un asesor, Daniel dio la explicación correcta en su respuesta. También recomendaría trabajar con el profesor Skeina, el profesor Leman y creo que un nuevo profesor se unirá esta primavera que ofrece buenos proyectos en aprendizaje automático. Esto resultará invaluable durante la búsqueda de pasantes / a tiempo completo, ya que es un poco difícil obtener trabajos relacionados con datos sin experiencia industrial.

¡Envíame un PM si tienes más preguntas! ¡Todo lo mejor! 🙂

Creo que debería seguir con su plan inicial: el aprendizaje automático está en llamas en este momento. La realidad virtual es un nicho no probado que ha fallado varias veces en el pasado. Entonces, si su decisión se basa en cuáles tienen mejores oportunidades de carrera, recomendaría el aprendizaje automático. ¡Los mejores deseos!

No es una respuesta per se, ya que estás más calificado que yo en ambos campos. Solo me gustaría comentar que tiendo a estar de acuerdo con la respuesta anónima (solo hasta ahora) de centrarme en lo que te gusta. Sí, las perspectivas laborales y la dificultad inherente de un campo son factores a tener en cuenta, pero al final del día su dilema tiene que ver con sus propias preferencias y no con factores externos.

(Estoy en una situación algo similar con respecto a estos dos campos específicos pero en un contexto diferente. Estoy tratando de combinarlos, pero esto es relevante para lo que estoy persiguiendo personalmente).