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。
计算机科学领域中,论文灌水现象严重吗?
中文论文中不少基本没有原创性 可能连灌水都算不上 国际的很多二流三流会议也充斥着灌水论文 顶尖的会议虽然好一点 但是这几年随着data mining相关领域的崛起 尤其是social network方向 基本没有统一的研究问题 没有统一的数据集 少有相互比较的模型 又加上PGM和MCMC等技术的成熟为建模和计算带来了极...
AI时代的学习范式重构
大家好,今天我们来聊一个重要的话题:AI时代人类的学习方式正在发生深刻的改变。 在传统的认知框架中,我们都很熟悉"读万卷书,行万里路"这句古语。这句话代表了传统的线性学习模式:先通过大量阅读积累知识,然后再通过实践来验证和应用这些知识。这种学习方式在过去的几千年里一直主导着人类的知识获取过程。 但是,随着 AI,特别是...
