¿Cuáles son las mejores escuelas de posgrado para estudiar el aprendizaje automático?

Answer 1

Primero, tengo un sesgo de idioma en mi respuesta; Daré mayor prioridad a los lugares con personas fuertes en la intersección del aprendizaje automático y la lingüística.

Otras personas han dado las respuestas obvias: Stanford, Berkeley, CMU, Columbia, UW y MIT. Estos chicos están en una clase solos.

Hay muchas personas en el siguiente nivel (sin ningún orden en particular): TTI, Alberta, UBC, Madison, Edimburgo, Duke, UT Austin, UMass, Michigan, U Penn, ETH, UCSC, Hopkins, Toronto, UCSD, Brown, UCL , LMU, Georgia Tech, Cambridge, MPI Tuebingen, MPI, Oxford, Cornell. Un puñado de muy buenos profesores y un buen historial de resultados de excelentes estudiantes de doctorado. Y probablemente hay algunos que he olvidado (¡lo siento!).

Pero, como han dicho otros comentaristas, lo que más importa es su ajuste individual con un asesor. Hay muchos grandes profesores que son expertos mundiales en sus campos que no están en centros de aprendizaje automático (por ejemplo, Yisong Yue en Caltech, Mark Johnson en Macquarie). La conclusión es encontrar a los profesores que hacen el trabajo que desea hacer e ir a donde sea que estén.

Finalmente, sería negligente si no mencionara la Universidad de Maryland, que tiene un excelente historial de contratación de profesores llamados Jordan Boyd-Graber, que es, en mi opinión, el criterio más importante para comparar universidades. 🙂

Puede usar un sitio como Computer Science Rankings para comenzar su búsqueda:

Answer 2

Tengo que ser completamente honesto aquí, estoy bastante sorprendido por las respuestas aquí. Sí, el aprendizaje automático es un gran campo, y sí, su experiencia ciertamente variará según la universidad en la que termine. Dicho esto, hay dos universidades que muy, muy claramente, llegan a la cima del paquete en lo que respecta al aprendizaje automático moderno. Esas son la Universidad de Toronto y la Universidad de Montreal.

No estoy afiliado a ninguna de las universidades (lamentablemente), pero la verdad es que estas dos universidades han superado en gran medida a la mayoría, si no a todas, de las otras universidades principales en el campo en la investigación de aprendizaje profundo. NYU y Stanford son probablemente las dos universidades de EE. UU. Que colocaría inmediatamente después de uToronto y uMontreal, en gran parte debido a su facultad.

Dicho esto, realmente depende de qué área de ML desea estudiar. Si desea analizar la visión por computadora de la vieja escuela (piense en Haar, Sift y el umbral de color), entonces una universidad como CMU o MIT funcionará de manera excelente para sus propósitos. Dicho esto, la mayoría de estos enfoques solo son relevantes en robótica (debido al ancho de banda computacional).

Si está interesado en el reconocimiento de voz, hay una serie de universidades que realizan investigaciones novedosas allí, nuevamente mencionaría CMU, en gran parte debido a su biblioteca de esfinges CMU. Dicho esto, esta es una vez más un área donde un gran número de universidades tienen un excelente personal disponible.

Si está interesado en la PNL estadística, recomendaría Stanford en primer lugar, pero la PNL estadística es un área donde nuevamente hay una gran cantidad de excelentes universidades, Stanford tiene un gran proyecto de código abierto, que ha atraído a muchos profesionales calificados

En resumen, depende en gran medida del campo de aprendizaje automático que desea estudiar. Si está interesado en enfoques modernos, uMontreal, uToronto y NYU tienen un excelente personal a bordo y le permitirán asociarse con algunas de las mentes más conocidas en el campo (Geoffrey Hinton, Yoshua Bengio y Yann Lecun, respectivamente). Sin embargo, hay varias universidades que también ofrecen buenos programas aquí.

Si está interesado en aplicaciones de aprendizaje automático más antiguas y probadas, el campo es mucho más amplio y la mayoría de las universidades enumeradas en otras respuestas proporcionarán una educación excelente.

No estoy seguro si está interesado, pero uMontreal y uToronto casi se han convertido en alimentadores de los laboratorios de investigación de la industria (principalmente Google). Esto podría verse como positivo o negativo dependiendo de dónde vienes.

Answer 3

Stanford, CMU, Cornell, MIT y Princeton son bien conocidos, especialmente Stanford. También tiende a funcionar bien en una escuela que hace mucho trabajo en Estadística, IA, Algoritmos y Matemáticas.

Los grupos de PNL (Christopher Manning y Daniel Jurafsky) y Análisis de redes (Jure Leskovec) en Stanford están bien vinculados con el grupo ML (Andrew Ng), y juntos publican una tonelada de trabajo. De Estadísticas, tenemos a Trevor Hastie, Rob Tibshirani y Jerome Friedman que se ocupan del aspecto estadístico de la misma. Los 7 de estos profesores son grandes nombres en este campo.

No piense que soy parcial, pero consulte estas páginas y sus publicaciones respectivas para tener una idea muy clara de cuán exhaustivo es su trabajo:

http://www.stanford.edu/class/cs …
http://www-stat.stanford.edu/~ti …
http://www.stanford.edu/class/st …
http://nlp.stanford.edu/
http://cs.stanford.edu/people/jure/
http://www-nlp.stanford.edu/mann …
http://www.stanford.edu/~jurafsky/
http://ai.stanford.edu/~ang/
http://www.stanford.edu/~hastie/
http://www-stat.stanford.edu/~tibs/
http://www-stat.stanford.edu/~jhf/

Answer 4

Si no nos limitamos a las universidades estadounidenses, hay varios lugares destacados en Europa. Desde lo alto de mi cabeza, enumeraría la universidad de Aalto cerca de Helsinki en Finlandia, ya que tenían y todavía tienen varios centros expertos en diversas tecnologías de aprendizaje automático. Parece haber crecido una comunidad vibrante en la universidad en la que Kohonen (de la fama de las redes de Kohonen) enseñó. También parecen ser la universidad líder en Europa en predicción de series de tiempo.

También hay NTNU en Noruega que es eminente en algoritmos de búsqueda y reconocimiento de imágenes, mientras que Lancaster en Gran Bretaña tiene buenas personas en aprendizaje automático aplicadas a la industria minorista y la logística. Si encuentra fascinantes las nuevas redes de yacimientos, el lugar al que debe ir son las universidades alemanas vinculadas con el Instituto Fraunhofer.

Answer 5

CMU, Stanford, MIT, University of Cambridge son definitivamente algunos de los mejores lugares para Machine Learning. Para las personas interesadas en PNL y aprendizaje automático, hay varias buenas escuelas como Univ. de Colorado (CS), Johns Hopkins, UMASS Amherst, aparte de las escuelas mencionadas anteriormente. Siento que uno debe mirar más allá de las clasificaciones para medir el potencial de investigación de una escuela, las clasificaciones de noticias de los Estados Unidos no son realmente una medida real de la calidad de la investigación en las escuelas ‘de menor clasificación’.

Answer 6

Si está dispuesto a confiar en US News, puede ver las mejores universidades para IA [1] y Sistemas [2] ya que “Machine Learning” (vagamente definido) es una combinación de ambos.

Curiosamente, los cuatro primeros son los mismos, pero en permutaciones diferentes. Para AI, son 1. MIT 2. CMU 3. Stanford y 4. UC Berkeley. Para los sistemas son 1. UC Berkeley 2. MIT 3. CMU 4. Stanford.

En serio, las cuatro son excelentes escuelas y no te equivocarás con ninguna de ellas. Así que elija la escuela que tenga los profesores / proyectos más interesantes y el entorno adecuado para usted.

[1] http: //grad-schools.usnews.ranki …
[2] http: //grad-schools.usnews.ranki …

Answer 7

Creo que la Universidad de Washington merece una mención aquí. Mirando la reciente contratación de Ben Taskar, Emily B. Fox y Carlos Guestrin, UW parece realmente serio acerca de ir a “la” escuela para el aprendizaje automático. UW también tendrá una especialización de Big Data en su programa de doctorado a partir de septiembre de 2013.

Answer 8

Con la posible excepción de CMU (que tiene un departamento de aprendizaje automático), la respuesta realmente depende de qué profesores de cada escuela estén actualmente activos de investigación y abiertos a aceptar nuevos estudiantes. La mayoría de las escuelas solo tienen un puñado de profesores que trabajan en áreas relacionadas con el LD, por lo que la reputación previa de una escuela no es 100% indicativa de que encontrará oportunidades allí. Por ejemplo, una escuela como Stanford es en general extremadamente fuerte, pero muchos de sus profesores principales de ML están actualmente muy ocupados con las nuevas empresas (por ejemplo, Coursera). En mi opinión, lo más importante al hacer un doctorado es tener una buena relación con su asesor.

En términos generales, diría que la mayoría de las escuelas en el top 40 (según la clasificación de US News) tienen de 10 a 20 profesores que trabajan activamente en áreas relacionadas con el aprendizaje automático, y de 2 a 6 en aprendizaje automático central (es decir, publican regularmente en ICML , NIPS, KDD, etc.). Tampoco confiaría ciegamente en los listados de docentes en los sitios web de las escuelas, que generalmente están inflados.

CMU es un orden de magnitud mayor con aproximadamente 8-12 profesores en ML central (el departamento de aprendizaje automático en CMU es bastante pequeño, por lo que el recuento de profesores no es tan descomunal como algunos podrían pensar). Por lo tanto, CMU es más robusto para la facultad individual que abandona o no realiza una investigación activa debido a un inicio. Pero también hay más estudiantes allí interesados ​​en ML, lo que lleva a una mayor competencia por el asesoramiento del profesorado.

[Este párrafo fue editado en septiembre de 2017] Actualmente (ca 2017), algunas otras escuelas en el extremo superior de la facultad de 2 a 6 núcleos de ML son Berkeley, Cornell, UWashington, GA Tech, UCSD y UMass Amherst. También diría que Northwestern, Penn State y UNC actualmente tienen una escasez de profesores principales de ML (al menos en base a mis observaciones en ICML, NIPS, KDD, etc.).

Finalmente, tenga en cuenta que diferentes profesores trabajan en temas muy diferentes, incluso si todo está bajo el paraguas del aprendizaje automático. Las universidades de investigación intentan contratar profesores que estén haciendo un trabajo interesante y novedoso, por lo que el perfil de investigación de cada profesor es único hasta cierto punto. Escuché que Caltech tiene algunos profesores interesantes 😉

Answer 9

Con la advertencia de que el aprendizaje automático es un gran campo, y hay algunas personas excelentes en lugares que no se clasifican demasiado en una lista dada, las clasificaciones de la organización en Microsoft Academic Search restringidas al aprendizaje automático en los últimos 10 años coinciden razonablemente bien con mis impresiones :
http: //academic.research.microso …

Las mejores universidades según el enlace: Massachusetts Institute of Technology, University of California Berkeley, Stanford University, Carnegie Mellon University, University of Cambridge, Princeton University, University College London, University of Toronto, University of Illinois Urbana Champaign, University of California San Diego

Answer 10

CMU tiene un departamento completo de Machine Learning; es difícil competir con esto. Berkeley es fuerte, principalmente debido a los fuertes lazos con las estadísticas (Michael Jordan + más). Hay grupos de aprendizaje automático muy fuertes pero pequeños en MIT, NYU, Princeton, Toronto y Caltech (esta información puede quedar desactualizada a medida que se contratan nuevos profesores). Stanford tiene varios investigadores destacados, pero el grupo no es grande (Sebastian Thrun y Andrew Ng ya no están allí).

Michigan ahora tiene un grupo ML relativamente grande extendido a través de CSE y ECE, en parte a través de la contratación reciente: Clay [protegido por correo electrónico] , Laura [protegido por correo electrónico] , Honglak [protegido por correo electrónico] , Jake [protegido por correo electrónico] y más, – en parte a través de más personas establecidas (Satinder Baveja), en parte a través de investigadores / profesores en campos adyacentes con gran experiencia en aplicaciones de ML para redes, procesamiento de señales, detección y navegación robótica, etc. (Mingyan Liu, Al Hero, Ed Olson y más).

Answer 11

No soy un experto y apenas sé nada sobre el aprendizaje automático, pero leí un artículo intrigante sobre IA y Douglas Hofstadter.

Está descubriendo un enfoque bastante nuevo hacia la IA y probablemente también el aprendizaje automático. Aquí está el artículo sobre él en Theatlantic: El hombre que le enseñaría a las máquinas a pensar

Actualmente trabaja en la Facultad de Informática y Computación de la Universidad de Indiana-Bloomington

También es famoso por su libro ganador del premio Pulitzer: Gödel, Escher, Bach .: An Eternal Golden Braid.

Espero que esto ayude a otros, siéntase libre de votar 🙂

Answer 12

Los “cuatro jinetes” de CS son (sin orden):

• MIT (ok, este vino primero b / c es mi alma mater jaja)
• CMU
• Stanford
• UC Berkeley

En la comunidad técnica, estas escuelas han sido ampliamente aceptadas como de primer nivel. Esto no quiere decir que no haya otras escuelas de primer nivel . Estas escuelas tienen una historia de innovación y avance lo suficientemente consistente y rica que su reputación tiende a ser aceptada en su conjunto.
Fuente: Profesor del MIT / Lector de Admisiones a Escuelas de Posgrado

Hablando específicamente con el aprendizaje automático …

• CMU está haciendo cosas increíbles, especialmente en el campo de la educación (mi campo). Vale la pena verificar DataShop si le gusta aprender sobre el aprendizaje.
• La Universidad de Washington está haciendo algunas cosas geniales en el campo de la robótica (tenga un amigo que sea un estudiante graduado allí)
• Stanford AI está muy acertado (especialmente con notoriedad reciente con el Curso ML de Andrew Ng en Coursera)
• La investigación del MIT ha sido consistentemente de clase mundial. Los avances recientes que conozco están en los campos de la robótica, la PNL y la biología computacional. Diré que MIT se está poniendo al día con todas sus ofertas de cursos en los campos de ML / AI. Hace solo 3 (?) Años comenzamos a ofrecer un curso de ML de pregrado y, a partir de este año, presentamos un curso de pregrado de PNL y estadísticas menores. ¡También hay muchos cursos multidisciplinarios con sabor a ML! Yo diría que las cosas se mueven rápidamente y en la dirección “correcta”.

Algunos miembros de la facultad muy notables en el MIT: Leslie Kaelbling es un PI con aprendizaje y sistemas inteligentes. La investigación de Regina Barzilay está a la vanguardia de la PNL. La investigación de Tommi S. Jaakkola está avanzando en la inferencia estadística.

Si dejé una escuela, probablemente sea porque simplemente no he estado siguiendo lo que tú / tu institución han estado haciendo. Por favor comente o escriba su propia respuesta porque siempre tengo curiosidad por saber lo que está por venir.

Answer 13

marrón
http://www.cs.brown.edu/research …

Texas
http://www.cs.utexas.edu/~pstone/

Answer 14

Ya hay muchas buenas respuestas aquí. Creo que las respuestas de Igor Markov y Jordan Boyd-Graber cubren lo básico muy bien. Solo agregaré un par de puntos.

1. Hay muchas listas aquí, y los ordenamientos son un poco diferentes. Esto se debe a que ML es un campo enorme en este momento, con varios enfoques principales diferentes, y depende del enfoque que más le atraiga. Entonces, si te tomas en serio elegir una escuela, estas listas son solo puntos de partida. Tendrá que revisar las listas de profesores actuales de las escuelas (en este momento es muy fluido), encontrar los profesores cuyo trabajo le atraiga y probablemente revisar algunos de sus documentos o tratar de hablar con sus estudiantes para tener una idea de El estilo intelectual e interpersonal en su grupo.

2. Una cosa que quizás las otras respuestas no hayan enfatizado lo suficiente es que, mientras algunas personas estudian el aprendizaje automático en cierto sentido, algoritmos que se pueden usar para cualquier cosa, la mayor parte del mejor trabajo en este campo “candente” consiste en aplicar la máquina aprender a otra cosa, ya sea comprender el lenguaje natural y el habla, el análisis de imágenes y videos, controlar los movimientos de un robot, un dron o un automóvil, mirar tweets y publicaciones en redes sociales de todo tipo para predecir tendencias o elecciones, y así sucesivamente. la lista es interminable. Por lo tanto, a menos que sea uno de los algoritmos puros (y tal vez incluso si es uno de ellos), querrá observar de cerca la fortaleza de una escuela en cualquier campo vecino que le atraiga. Y mire también si ya hay una facultad sólida en esas áreas que están aplicando ML a dominios en los que ya tienen experiencia.

3. Bien, aquí está el comercial, totalmente imparcial, por supuesto. 🙂 Si bien cada escuela tiene algunas estrellas, Carnegie Mellon es inusual, posiblemente único, en su amplitud en ML y en casi todas las áreas adyacentes donde se está aplicando (o se podría) aplicar ML.

• Como otros han señalado, tenemos un departamento completo de aprendizaje automático. Tom Mitchell ha forjado algo muy especial allí al construir un puente tan fuerte entre la gente de ML orientada a la inteligencia artificial y el departamento de estadísticas ya fuerte en CMU.
• También tenemos todo un Instituto de Tecnologías del Lenguaje (un departamento en la Facultad de Ciencias de la Computación) dedicado al procesamiento del lenguaje natural, la comprensión del lenguaje natural y el habla.
• Tenemos un Instituto de Robótica (departamento) que es uno de los líderes en procesamiento de imágenes y videos, vehículos autónomos y muchas otras áreas.
• Tenemos un Instituto de Interacción de Computadora Humana, dentro del cual hay un grupo muy fuerte que trabaja en educación.
• Tenemos un Centro de Tecnología de Entretenimiento que trabaja en juegos de computadora, ampliamente definido.
• Tenemos la Escuela Heinz de Políticas Públicas y Gestión, donde las personas están analizando la aplicación de ML a programas nacionales e internacionales que mejoran la vida de las personas. Y en nuestra Escuela de Administración de Tepper, las personas buscan la aplicación de ML a la producción, el comercio y las finanzas.
• Y la lista continúa, incluso extendiéndose a la música, el arte y el análisis literario.

Hay personas que ya están trabajando en ML en cada una de estas áreas, otras que están muy abiertas a la colaboración, y algunas personas en cada uno de estos departamentos que son lo suficientemente buenas en ML para hacer contribuciones al campo en sí. Es importante no solo tener muchos departamentos buenos, sino también tener una cultura donde todos los límites sean permeables.

OK, fin del comercial. Menciono esto no solo para venderlo en CMU, no tenemos problemas para encontrar excelentes estudiantes en este momento, sino para enfatizar la conveniencia de estar en un lugar que es fuerte en muchas áreas de aplicación, y no es solo un par de profesores de ML en El bosque haciendo un excelente trabajo. Para ser justos, debo decir que algunas de las otras escuelas han hecho un excelente trabajo al usar sus lazos con la industria para aprovechar la experiencia de dominio que puede no estar presente en su campus.

Answer 15

El aprendizaje automático se ha convertido en un campo enorme como resultado de su éxito. Por lo tanto, me resulta demasiado difícil comentar sobre las mejores escuelas en Machine Learning. Sin embargo, puedo comentar sobre las mejores escuelas sobre Reinforcement Learning, un subcampo de Machine Learning.

Si desea centrarse en el lado computacional de las cosas, aquí hay algunas excelentes opciones:

Universidad de Alberta: Rich Sutton, Csaba Szepsevari, Mike Bowling
Universidad Brown: Michael Littman, Stefanie Tellex
Universidad de Michigan: Satinder Singh
Universidad Mcgill: Doina Precup y Joelle Pineau
Colegio Universitario de Londres: Peter Dayan
Duke University: Ron Parr y la facultad recientemente contratada George Konidaris
MIT: Leslie Kaelbling y Nick Roy UC Berkeley: Pieter Abbeel
Georgia Tech: Charles Isbell y Andrea Thomaz
UT Austin: Peter Stone

Si está más interesado en el lado cognitivo y psicológico del aprendizaje por refuerzo:

Universidad de Princeton: Yael Niv, Matt Botvinick
Universidad Brown: Michael Frank
Universidad de Harvard: Sam Gershman, Fiery Cushman
Universidad de Nueva York: Nathaniel Daw, Liz Phelps

¡Estoy seguro de que hay personas excelentes en todo el mundo que no aparecen en mi lista! Lo siento por eso.

********
Editar el 29 de septiembre de 2015:
Nathaniel Daw ya no está en NYU, ya que se mudó a Princeton. Esto debería hacer que Princeton sea mucho más fuerte en el aspecto natural del aprendizaje por refuerzo y la toma de decisiones.
********

Edición el 29 de enero de 2016: se agregaron Pieter Abbeel y Stefanie Tellex

********

Answer 16

A continuación se muestra una lista de las mejores universidades en Inteligencia Artificial (que es un área estrechamente relacionada con ML)

# 1 Universidad de Stanford
Stanford, CA

# 2 Universidad Carnegie Mellon
Pittsburgh, PA

# 3 Instituto de Tecnología de Massachusetts
Cambridge, MA

# 4 Universidad de California— Berkeley
Berkeley, CA

# 5 Universidad de Washington
Seattle, WA

# 6 Instituto de Tecnología de Georgia
Atlanta, Georgia

# 7 Tie University of Illinois— Urbana- Champaign
Urbana, IL

# 7 Tie University of Texas— Austin
Austin, TX

# 9 Universidad Tie Cornell
Ithaca, NY

# 9 Tie University of California— Los Angeles
Los Ángeles, California

Para obtener más información, consulte los siguientes enlaces.
Inteligencia artificial

Los 20 mejores programas de posgrado en ciencias de la computación, y cómo solicitarlos | Las mejores escuelas

[1-3] ¿Cuáles son las mejores escuelas en IA?

¿Cuáles son las mejores escuelas del mundo para estudiar aprendizaje automático, sistemas distribuidos y minería de datos?

Answer 17

Berkeley (Jordan, Wainwright), Stanford (Ng, Koller), Toronto (Hinton, Neal, Frey, Zemel, Boutilier) en Estados Unidos y Edimburgo (Williams, Storkey, Murray, Sutton, Sanguinetti), Cambridge (Ghahramani, Rasmusen) ), UCL (Shawe Taylor, Barber, Teh, Gretton) en el Reino Unido.

Answer 18

Como todos han mencionado en su respuesta, creo que CMU es, sin duda, una de las mejores escuelas de posgrado para estudiar el aprendizaje automático. También es la universidad número 1 en informática. [Carnegie Mellon University Graduate Ranking 2015]

Pero, como Jordan Boyd-Graber sugirió en su respuesta, todo se reduce a lo cómodo que está con su asesor / mentor que decidirá la conclusión de su curso y, en última instancia, su experiencia de aprendizaje general.

Entonces, también descubra los perfiles de los profesores que ofrecen cursos de lingüística en ML en CMU, así como en otras universidades, y descubra sus especializaciones.

Si bien estoy de acuerdo en que los profesores de CMU, MIT o Stanford son los mejores, la realidad es que el espacio puede estar saturado debido a la gran cantidad de estudiantes interesados ​​en aprender ML. Además, algunos profesores de estas universidades también están ocupados trabajando en sus propios proyectos, lo que significaría menos atención individual.

Entonces, creo que la mejor salida es elegir una escuela de posgrado que ofrezca una proporción de estudiantes de salud y docentes para ML. Puede elegir entre los gustos de Georgia Tech, NYU o Carolina del Norte, según su preferencia individual de especialización en lingüística.

Answer 19

Algunas de las investigaciones teóricas y aplicadas más interesantes en aprendizaje automático estadístico, en mi humilde opinión, están saliendo del Instituto Tecnológico de Toyota (TTI) en la Universidad de Chicago. Tanto la teoría profunda como el software realmente práctico que uno realmente puede usar en la industria.

Esto incluye, por ejemplo, el desarrollo del programa SVMLin (por el difunto profesor Niyogi) para el aprendizaje transductivo,

Aprendizaje automático con etiquetas faltantes: SVM transductoras

el solucionador de Pegasos (Primal Subgradient Solver para SVM L1), el trabajo de Steven Smale en la teoría del aprendizaje (Smale tiene una Medalla Fields), más el trabajo en factorización de matriz de margen máximo, SVM latentes, etc. Además, recuerde que el Análisis Semántico Latente (LSA) fue inventado en Chicago. También hay un gran trabajo en Chicago en general sobre computación paralela a gran escala (el lenguaje Swift, algo más que la reducción de mapas), entre otras cosas. Yo ya no estoy en Chicago, así que no puedo decir qué tan bueno es el programa de posgrado para estudiantes (o emprendedores en ciernes), aunque Chicago siempre ha sido principalmente una institución de investigación de posgrado.

Answer 20

Opinión sesgada, obviamente siendo el Decano del Data ScienceTech Institute.

Sin embargo, encuentro que muchos programas de “Ciencia de datos” / “Big Data” / “Aprendizaje automático” existen pequeñas evoluciones (en el mejor de los casos) o un cambio de marca simple (en el peor) de anteriores “BI”, “Business Analytics” o “Estadísticas aplicadas” “Programas. Debería ser mucho más que eso.

La ciencia de datos requiere repensar todo el plan de estudios, no en términos de las matemáticas subyacentes, que siempre han estado allí, por supuesto, sino en la forma en que el programa está diseñado para proporcionar conocimiento operativo impulsado por la industria. La ética y la ley deben ser parte del plan de estudios y no como un pequeño menor de lado. Para eso, las instituciones deben asociarse con líderes fuertes de la industria e involucrarlos estrechamente en la definición y evolución del currículo.

La organización espera MUCHO de los Data Scientists y Big Data Analysts: el sector HigherEd no puede engañarlos para producir matemáticos brillantes que tienen poca exposición a la industria, de lo contrario, la necesidad desesperada de Data Science (olvídate del zumbido, hay un verdadero, necesidad operativa) nunca se cumplirá correctamente. Estoy feliz de ver que el 100% de nuestros estudiantes aquí en DSTI están en una ubicación industrial y hacen felices a sus empleadores.

Tengo un problema con muchos programas de EE. UU. Y el Reino Unido: y mucho menos la indiscutible grandeza de sus instituciones de HigherEd (me encantó mi tiempo como estudiante de la Universidad de Edimburgo) , no exponen a sus alumnos a la industria lo suficiente.

La filosofía en Europa continental, y debo decir en Alemania y Francia, es asegurarse de que los estudiantes reciban cursos intensivos (piense 5 horas de clases por día) junto con pasantías remuneradas a largo plazo, donde realmente practique sus habilidades, no solo haga cafés y copias, y use horarios de estudio a tiempo parcial para que los estudiantes también puedan pasar la mitad del tiempo entre una empresa patrocinadora y su educación.

No descartes Europa todavía, todavía tiene mucho que dar 🙂