UT Austin es un lugar bastante bueno para obtener tu Ph.D. si te interesan estos temas Hay una serie de profesores importantes en estas áreas en UT. Si bien la mayoría de ellos están en el departamento de CS, algunos de los más destacados se encuentran en lugares como ECE, la Escuela de Negocios McCombs, la Escuela de Información, el departamento de Estadística y Ciencia de Datos, y en matemáticas y lingüística. Esta respuesta asume que estás mirando el departamento de CS.
Profesores
La preocupación número 1 para cualquier doctorado. El estudiante está buscando un asesor que tenga intereses de investigación compatibles y estilos de trabajo. Al igual que otros programas, UT Austin llevará a los admitidos a Austin durante un fin de semana para reunirse con profesores y estudiantes de posgrado actuales; es importante asistir este fin de semana o hacer arreglos alternativos para visitar. Si bien los profesores generalmente están muy contentos de hablar con los admitidos, generalmente no tendrán tiempo para hablar con los futuros estudiantes antes de ser admitidos.
Los mejores profesores de UT en estas áreas son, sin ningún orden en particular: Pradeep Ravikumar (modelos gráficos, optimización), Inderjit Dhillon (álgebra lineal, ML, big data, algunos bio), Raymond Mooney (procesamiento del lenguaje natural), Peter Stone (refuerzo aprendizaje, robótica), Kristen Grauman (visión), Risto Miikkulainen (computación evolutiva, redes neuronales) y Dana Ballard (cognición encarnada, ciencia cognitiva). En las afueras de estas áreas se encuentran Vladimir Lifschitz (lógica), Adam Klivans (Teoría del aprendizaje), Bruce Porter (representación del conocimiento, pero en su mayoría pasaron a las funciones de jefe de departamento) y Gordon Novak (investigador inactivo). Los estudiantes de CS a menudo colaboran y son asesorados por profesores de otros departamentos, en particular Joydeep Ghosh (optimización, minería de datos), Matt Lease (recuperación de información, crowdsourcing), James Scott (estadísticas bayesianas), Maytal Saar-Tsechansky (ML / minería de datos , aplicaciones comerciales) y muchos otros. Tenga en cuenta que el laboratorio de Mooney se llama oficialmente Machine Learning Research Group, pero este es un anacronismo histórico, y la mayor parte de la investigación de ML en UT ocurre fuera de su laboratorio.
Recursos, medio ambiente
El departamento de CS acaba de mudarse a un hermoso edificio nuevo y todas las instalaciones son de primera categoría. El departamento opera un gran grupo de máquinas Linux para experimentos, que es un recurso maravilloso. También hay TACC, un centro de supercomputación con algunas máquinas muy potentes que puedes usar.
- ¿Cómo es estar haciendo un doctorado en administración en India? Especialmente de las principales universidades como IIM e ISB.
- ¿Cómo es tener más de un doctorado?
- ¿Cuál sería la carrera profesional de la industria para un estudiante de doctorado en el programa de matemáticas aplicadas?
- ¿Cuáles son los caminos para alguien que está preparando un doctorado en Internet de las cosas (o Web of Things)?
- ¿Dónde debo hacer mi doctorado en ingeniería financiera?
El departamento es altamente colaborativo, y casi no hay sentido de competencia por ubicación, dinero o recursos. La mayoría de los asesores eligen que sus alumnos se sienten entre los alumnos de otros laboratorios, pero en áreas similares, para alentar la colaboración. En lugar de los exámenes de calificación, hay un “examen de preparación de investigación” que los estudiantes generalmente completan en su tercer año e implica dar una charla de investigación de ~ 45 minutos a un comité de profesores de 3 personas (uno de los cuales debe ser de fuera de su área). Este no es un requisito estresante.
Fondos
Todos los estudiantes de doctorado en el departamento de CS han sido tradicionalmente financiados durante la duración del programa. Los estipendios provistos por el departamento son comparables a otros lugares (alrededor de $ 1700- $ 1900 / mes). La mayoría de los profesores mencionados anteriormente regularmente tienen becas de investigación que cubren a casi todos sus estudiantes, pero es típico que los estudiantes obtengan TA por un año o dos. Los estudiantes a menudo reciben otras becas internas y externas para apoyar sus estudios.
Austin
La ciudad es uno de los mayores atractivos del programa. Austin es un lugar maravilloso para vivir en tus veintes (la edad promedio en Austin es 31), y puedes leer todo acerca de por qué eso está en otras partes de Quora. Una cosa buena de ser un estudiante graduado es la capacidad de despegar y hacer pasantías durante los calurosos meses de verano y disfrutar del clima los otros 9 meses del año. Austin es un lugar divertido para hacer un doctorado, pero también puede ser una gran distracción.
Peligros potenciales
La mayoría de los estudiantes tardan unos 5-6 años en graduarse, y 8-9 años también ocurren ocasionalmente. La última contratación de un profesor de ML / AI de UTCS fue Pradeep Ravikumar, y eso fue en 2009. Los doctorados de UT tienden a tener buenos resultados, y muchos asumen cargos académicos, pero no conozco a ningún estudiante de ML / AI que haya pasado a ejercer realizar un seguimiento de los puestos en los departamentos de informática en las 10 mejores universidades en los últimos 5 años más o menos.