如果想从事人工智能方向,本科应该选择计算机还是数学?
分享一下我的观察。建议选择计算机专业,原因有这么几个:
首先是基础课程的完整性。计算机专业会学习编程、数据结构、操作系统、计算机网络等等基础课程。这些看似和机器学习关系不大,但当你真正在业界做 AI 应用的时候,这些基础知识反而成了最重要的部分。我见过太多数学专业转行的同学,在处理工程问题时非常吃力,因为缺乏这些基础知识。
在 CMU 读研的时候,做了一个在法律界使用 NLP、IR、ML 的项目。这个项目不是模型有多复杂,而是要处理大量的工程问题:如何高效处理数据、如何设计系统架构、如何保证系统的稳定性等等。这些都需要扎实的计算机基础知识。
再来说数学。计算机专业的数学课程其实也不少,线性代数、概率论、数值分析等等都会学到。这些对于入门机器学习来说已经足够了。如果发现某个数学知识点不够用,随时都可以补充学习。但如果是数学专业的同学缺乏计算机基础,想要补齐就困难得多。
还有一点很重要:业界的机器学习工作,90%的时间都在处理工程问题,只有10%的时间在调模型。能不能把模型顺利部署上线,往往比模型本身的精度更重要。
不管选择什么专业,最重要的是培养解决问题的能力。机器学习是个发展极快的领域,今天学的技术可能明天就过时了。但是分析问题、解决问题的能力永远不会过时。所以选择自己感兴趣的专业,保持持续学习的心态,这比选择具体哪个专业更重要。
不过,如果有人工智能专业的话,选这个也是一个不错的选择。但要注意看看课程设置,确保有足够的计算机基础课程。因为最终在业界工作,你还是需要这些基础知识的。
继续阅读
全部内容大一计算机学生如何学习机器学习?
谢邀 如果是想系统性地学习机器学习,我认为良好地数学基础是必不可少的,因此,可以提前把相关数学课程学完,比如微积分、离散数学、概率与统计,再开始学习机器学习比较合适。 经常有人纠结地问我大几应该学什么,我也只能纠结的回答这个跟大几没有关系。知识就像技能树,你要点高级技能,就要把低级技能点满,这个跟你何时点没有关系。 至...
申请卡耐基梅隆Machine Learning硕士难度有多大?
谢邀 听说申请难度非常大,不知道是不是CMU 申请难度最大的硕士项目,毕竟招的人太少。 建议自己看现在的学生列表: Masters Students-Machine Learning Department 注:其中不少人是CMU的PhD辅修MLD的Master,注意分辨。 感觉没有在顶会发过若干一作还是很难的。
机器学习会变成大学本科专业吗?
谢邀 短期来看并不会成为大学专业 但是已经成为了不少硕士项目的方向 长期来看 大学可能不会再有专业一说 毕竟高等教育并没有义务保证你能成为什么样的人 成为什么样的人是自己的选择 换句话说 上什么课 找什么工作 都是自己对自己的负责 学校理论上只需要为学生提供最好的服务 最多高质量的课程 让学生能得到他想得到的东西就好 ...
