¿Cuál será mejor para las perspectivas de carrera en aprendizaje automático: un título de Georgia Tech MS en CS (especialización de aprendizaje automático) o un título de NYU MS en ciencia de datos?

Ambos son programas fantásticos, y tendrás muchas oportunidades saliendo de ambos. Dicho esto, ambos apuntan a carreras algo diferentes, por lo que la pregunta que debe hacerse es menos sobre qué programa tanto como sobre lo que desea hacer después.

El aprendizaje automático generalmente significa construir sistemas basados ​​en datos que dependen de algoritmos ML. Una perspectiva común es que los ingenieros de ML pasan mucho tiempo trabajando en algoritmos de Machine Learning, pero en la práctica más del 95% del trabajo en la construcción de un sistema de producto real es la manipulación de datos y la construcción de la infraestructura y las tuberías que mueven los datos. Algunas compañías apoyan equipos de investigación dedicados que consisten en personas que pasan aproximadamente el 50% de su tiempo trabajando en algoritmos, pero estas posiciones son raras y generalmente consisten en PHD, con algunas excepciones. En general, el aprendizaje automático en la práctica es muy similar a lo que podría llamarse ingeniería de back-end. Los ingenieros de ML deben ser excelentes informáticos.

Los científicos de datos, por el contrario, pasan su tiempo dando sentido a los datos y encontrando patrones que permitan la toma de decisiones o la comprensión. En relación con los ingenieros de ML, los científicos de datos pasan más tiempo manipulando datos y extrayendo información. Las regresiones, los árboles impulsados ​​y otras herramientas que caen libremente bajo el estandarte del ‘aprendizaje automático’ son herramientas comunes para los científicos de datos. Es posible, y bastante común, tener éxito como científico de datos con muy poca experiencia en CS fuera del scripting. Los científicos de datos deben ser excelentes estadísticos, ser buenos en computación científica con R o similar, y expertos en extraer datos de grupos como Hadoop.

Por lo tanto, si desea crear aplicaciones ML como sistemas de reconocimiento de voz o clasificadores de página o automóviles autónomos, debe elegir una ruta CS. Si se ve impulsado hacia el reconocimiento de patrones, dando sentido a los grandes datos, el análisis de redes sociales o similares, entonces la ruta de los científicos de datos es una buena opción.

Además, como comentario aparte: algunos de mis compañeros de clase en Stanford vinieron de GT. Eran, sin excepción, impresionantemente educados.

A2A.

Soy un informático con 23 años de experiencia, un MSCS, vivo en Atlanta y trabajo para un graduado de Georgia Tech. Hay muchas buenas respuestas que no repetiré, pero puedo agregar a ellas.

Hay varias ventajas de ir a Georgia Tech además del hecho de que te dará una mejor educación que hace de Georgia Tech una mejor opción.

Gastos de vida : nuestros gastos de vida en Atlanta son aproximadamente la mitad de los gastos de vida de Nueva York. Hay instalaciones comerciales de dormitorios a poca distancia de Georgia Tech que cubren todos los gastos, excepto los alimentos.

Clima : nunca nieva aquí. Los inviernos son muy cómodos aquí, son como la primavera en Nueva York.

Oportunidades de trabajo : el sur ha estado en un auge tecnológico gigante durante aproximadamente dos décadas y simplemente no podemos obtener suficiente gente. Puedes ganar más dinero, tener una casa cuatro veces más grande y tener menos gastos de vida trabajando aquí. ¿Quieres trabajar para Amazon o Google? Puedes hacer eso aquí también.

Comunidades diversas : es posible que haya visto estereotipos de sureños en la televisión, pero nada más lejos de la realidad, especialmente en Atlanta. Mis vecinos son negros, blancos, chinos, hispanos, indios, vietnamitas, etc.

MIT of the South : así como Nueva York es el centro del Noreste, Atlanta es el centro de negocios, tecnología, finanzas y transporte del Sur. Georgia Tech es honestamente la universidad tecnológica más respetada por 500 millas en cualquier dirección. Tenga la seguridad de que en el momento en que un posible empleador vea a Georgia Tech en su currículum, los empleadores del Sur leen “MIT” en su mente.

Gente genuinamente agradable : la gente puede ser bastante dura en Nueva York. La gente aquí es muy relajada y amigable. Hay muchas oportunidades para hacer amigos en la universidad, especialmente si te gusta el fútbol americano. El fútbol del equipo universitario es (literalmente) tratado como una religión aquí. En cualquier caso, las personas animan a los militares, los hombres abren las puertas a las mujeres y las personas conducen de manera más amigable. Si te gustan las actividades al aire libre, te encantará Atlanta.

Estoy en el programa MS CS de Georgia Tech y no conozco a una persona de mis amigos aquí que incluso haya solicitado ingreso a NYU. Me sorprende ver tantas respuestas pro-NYU aquí. En serio, ni siquiera están en la misma liga para la escuela de posgrado en CS. Apenas logré ingresar a Georgia Tech, incluso con puntajes GRE en el percentil 90. Además, ni siquiera es una decisión difícil teniendo en cuenta que ha sido admitido en un programa de grado más flexible (MS in CS) en Gatech que en NYU (MS in Data Science). Usted es libre de elegir la especialización que desee con la primera, pero puede verse restringido a Data Science con la segunda.

No estoy seguro acerca de NYU, pero si está interesado en trabajos, muchas personas en mi clase tienen una pasantía en Google / Facebook / Amazon / Twitter, etc. Si usted es más investigador, tenemos personas en prácticas en todas partes de Microsoft Research al MIT. No se preocupe por no estar en Nueva York, los reclutadores están dispuestos a volar aquí desde todas partes del país.

Me gradué de Georgia Tehc con MS CS en Machine Learning. Tuvimos la mayoría de las grandes pelucas en la feria: Google, Facebook, Twitter, Citadel, Yahoo, Microsoft, Yelp, Dropbox, Amazon, Salesforce, EA, Evernote, eBay, Apple, Cisco, Oracle, etc. Eso debería ser lo suficientemente bueno para la mayoría de la gente. También creo que la reputación de Georgia Tech está creciendo, por lo que más empresas deberían visitar el campus en los próximos años.

Algunas empresas que no nos mostraron amor en la feria cuando estudié allí eran LinkedIn (pero recibí varias llamadas en frío de sus reclutadores), Cloudera, Pinterest, AirBnB, Quora, etc. Creo que esto se debe al hecho que las startups tienen un presupuesto limitado, son extremadamente selectivas y Georgia Tech no está a la altura de Stanford, Berkeley y CMU en términos de reputación.

Pero creo que definitivamente será una mejor opción que NYU. Pero si está buscando obtener un trabajo en una empresa relacionada con las finanzas en Nueva York, NYU puede ser una mejor opción.

Dado que no estoy familiarizado con ninguno de los programas en particular, no puedo recomendar uno sobre el otro (mi experiencia en CS / ML es en Europa).

Sin embargo, al elegir entre dos programas como los que mencionó, encontré útil este marco de referencia. Por ti mismo, intenta definir:

• Su propio plan de carrera , es decir, ¿qué quiere hacer con su título? Parece que GaTech le brindará una educación CS más completa que puede llevarlo a muchos campos diferentes (es decir, mantenerlo más flexible si decide seguir una ruta diferente durante su programa) y le proporcionará una base sólida en términos de Las capacidades de ingeniería de datos. El programa NYU, por otro lado, se ve más orientado hacia el lado de Analytics, es decir, más hacia un rol de Científico de Datos y menos de un perfil técnico. Por lo tanto, tendrá que decidir qué papel desea desempeñar después de la graduación y, por lo tanto, qué perfil desea obtener con su EM.

• El futuro empleador de sus sueños : comprenda qué tipo de trabajos está buscando ocupar el empleador de sus sueños (por ejemplo, revise las ofertas de trabajo de FB, Google, IBM, Cloudera, Ocado, grandes fondos de cobertura o cualquier empresa / industria que desee). Admito que tendrás que extrapolar algunos años … pero esto seguramente puede darte una idea. Prepare las noticias / blogs relevantes para tener una idea de hacia dónde va la industria. Tuviste algunos autores excelentes que respondieron aquí también.
• El valor que desea del título : acceso a redes (como aparentemente NYU puede brindarle en el espacio de IA), base sólida de CS (GaTech?!?), Placa de identificación en CV, etc. – si clasifica y sopesa estos, ¿ cualquier programa tiene una ventaja?
• Cantidad de diversión / estilo de vida : una EM se trata de trabajar duro y aprender de los mejores, pero también es un momento en el que haces amistades y conexiones que se extenderán bien en tu vida profesional. Si considera su tiempo fuera del aula, ¿qué le parece más atractivo?

¡Buena suerte!

Personalmente no conozco los programas, pero esto es lo que puedo decirte. Aprenderá más teoría detrás de las técnicas de Aprendizaje automático de los cursos avanzados de estadística y aprenderá más sobre las aplicaciones de Aprendizaje automático de los cursos de informática. He realizado algunas investigaciones sobre los actuales programas de posgrado de Data Science que se ofrecen y el programa Data Science de NYU ofrece la mayoría de los cursos de matemáticas / estadísticas y solo un puñado de cursos de informática. No sé lo suficiente sobre el programa de Georgia Tech para decir nada al respecto.

Si desea centrarse en ML, busque los siguientes términos en las descripciones del curso: Redes neuronales, Inteligencia artificial, Agrupación (K-means, Hierarchical), Modelos de Markov ocultos (HMM), Máquinas de vectores de soporte (SVM), Filtrado colaborativo.

Finalmente, considere las oportunidades de carrera de los componentes que no son de ML de su título. Desde la perspectiva profesional de Data Science, si le gustan los procesos de ingeniería y back-end (es decir, “construir cosas”), un enfoque de aprendizaje automático de un título de CS es mejor para usted. Si le gusta explorar datos / encontrar ideas y patrones únicos en los datos (es decir, “resolver acertijos”), un enfoque de Aprendizaje automático desde una perspectiva de Estadística es mejor para usted.

¡¡Buena suerte!!

NYU! (Divulgación completa: tengo un doctorado de NYU, 1984, así que soy parcial). Sin embargo, NYU ha reunido un gran equipo y Yann LeCun construyó un buen programa antes de partir para dirigir el Laboratorio de AI de Facebook

Para los títulos de maestría, la sugerencia popular es obtener un título más amplio como Computer Science en lugar de uno de los nuevos títulos altamente especializados como Data Science. Lo racional es que podrá hacer una transición profesional más fácil en el futuro si lo desea, así como aprender los fundamentos de CS.

Al ser alguien que no quiere perder mucho tiempo y dinero, recomendaría encarecidamente K2 Data Science. Es el primer campamento de arranque de ciencia de datos en línea para profesionales que trabajan. A diferencia de las instituciones tradicionales de “educación superior”, K2 tiene un enfoque singular. Obtenga un trabajo bien remunerado en análisis de datos.

Realmente se trata de quién lo asesorará a usted y a su investigación. Como dijiste, facebook e ibm han brindado oportunidades de investigación a los estudiantes de nyu; yann lecun y rob fergus (2 de los mejores profesores de ML de nyu) han tomado trabajos, además de sus cátedras en nyu, en facebook. El programa de ML de Nyu es fantástico, y con el laboratorio de investigación TJ Watson de ibm a solo una hora de distancia en Yorktown Heights, hay algunas excelentes oportunidades de investigación (además de la investigación con el personal de nyu).

Entonces, si tuviera que elegir, iría con NYU …

No estoy familiarizado con ninguno de los programas, ya que soy de la costa oeste. Estaba en un doctorado. programa en Stanford, pero eso fue en estadística matemática y ciencias de la computación. Yo diría que ambas escuelas ofrecen un buen programa. Yo preferiría el programa Georgia Tech, ya que es específicamente para el aprendizaje automático.

No busques post graduación fácil para obtener prospectos de trabajo. Busque profesores, su investigación y trabajos pasados ​​y futuros.