La IA es un campo bastante amplio. De cual estas hablando? Hay percepción ( por ejemplo , visión por computadora, reconocimiento de voz, reconocimiento de objetos), hay aprendizaje automático ( por ejemplo , cualquier cosa que requiera tomar una decisión), hay planificación ( por ejemplo , planificación de movimiento), procesamiento de lenguaje natural ( por ejemplo , recuperación de información, máquina traducción), y así sucesivamente. Ah, por cierto, todos esos campos se superponen bastante.
Luego está el subcampo en el que quieres estar. ¿Te gusta la robótica ? Videojuegos ? Búsqueda ? Todo esto tiene un sesgo natural en el tipo de cosas que debes estudiar. Si estás en ML, querrás una base sólida en análisis estadístico y álgebra lineal. En PNL, es posible que desee eso, además de una base sólida en lingüística.
Luego, por supuesto, está el tipo de cosas que pretendes hacer. ¿Eres un teórico? ¿Estás implementando algoritmos? ¿Eres solo un ingeniero? Esto afectará lo que debes estudiar.
- ¿Cómo puede ayudarme la experiencia en UNIX en mi carrera?
- ¿Es cierto que el conocimiento de los estudiantes que se unen a las universidades de ingeniería marina es bajo?
- ¿Cuál es el mejor camino para convertirse en un buen gerente de producto como principiante?
- ¿Debo aceptar un trabajo de ingeniero contratado en Facebook o un trabajo de tiempo completo en IBM?
- ¿Cómo es SRM Delhi College for Engineering?
[matemáticas] \ vec {S} = \ frac {1} {N} \ sum ^ N_ {n = 1} \ vec {x} _n \ vec {x} ^ T_n [/ matemáticas]
Una cosa es segura, necesitarás muchas matemáticas; Las matemáticas son el lenguaje de la IA. Si no te gustan las matemáticas, este es un mal campo para ti. No puedo enfatizar esto lo suficiente. Lo anterior es realmente increíblemente manso: es literalmente solo una matriz de covarianza, que generalmente se usa para cosas como PCA. No todos los campos usan álgebra lineal tanto como ML (que es mi campo), pero en general deberá sentirse cómodo con él.
Necesitará una base sólida en CS teórica. No estoy hablando de un conocimiento profundo de computación cuántica o clases de complejidad, estoy hablando principalmente de estructuras de datos como árboles y tablas hash. Esto va tanto para la IA teórica como para la IA basada en ingeniería. Es inevitable que tenga que lidiar con CS a este nivel, y no tener un buen conocimiento de esto probablemente sea malo para usted.
Es posible que deba ser realmente fuerte en CS orientado a la implementación. Esto dependerá de su campo. La PNL, por ejemplo, requiere un componente de programación robusto, porque su objetivo es realmente procesar el lenguaje automáticamente . En ML es totalmente plausible que te salgas con mucha menos codificación, especialmente si eres mayormente teórico.
LÍNEA INFERIOR: no te preocupes tanto por las carreras, solo pasa tiempo aprendiendo lo que necesitas aprender. Si haces eso, estarás bien.