En el momento de escribir esto, he estado trabajando para Raytheon Missile Systems (RMS) durante aproximadamente 2,5 años desde que me gradué de la universidad.
Antes de graduarme, estaba en camino de tomar una ruta más académica debido al trabajo de posgrado y los proyectos de estudio independientes en los que participé relacionados con las matemáticas computacionales. Sin embargo, terminé eligiendo probar la industria primero, ya que no tenía experiencia con ella y quería saber si este camino sería preferible para mí a largo plazo.
Si bien tuve éxito en RMS y usé mi experiencia en matemáticas computacionales para lograr mucho allí, no creo que la industria sea donde quiero quedarme, por lo que ahora estoy trabajando en aplicaciones para poder obtener un doctorado y una carrera más académica.
Dada mi experiencia en la industria, ¿existen creencias comunes en la academia, ya sean buenas o malas, sobre las personas de la industria que debo tener en cuenta por el bien de mi aplicación? ¿Hay algo que debería esforzarme por resaltar o evitar en mi solicitud que me ayudaría a obtener mejores resultados en el proceso de solicitud?
EDITAR : mi experiencia previa a RMS fue en gran parte en análisis numérico, optimización y simulación, con énfasis en sistemas no lineales de ecuaciones diferenciales parciales hiperbólicas. Un proyecto de muestra, por ejemplo, fue implementar un código de elementos finitos de Galerkin discontinuo de espacio-tiempo para abordar un sistema de PDE hiperbólicas y realizar estudios de validación y convergencia para validar la teoría. También obtuve una experiencia decente a través de estudios independientes y trabajando en NASA JPL en visión por computadora. Otras habilidades adquiridas fueron en computación paralela usando OpenMP y MPI.
En RMS, trabajé en clústeres y principalmente desarrollé y construí códigos en áreas como optimización numérica, muestreo adaptativo de funciones desconocidas, aprendizaje automático supervisado, controles, algoritmos de estimación bayesianos y simulaciones.
En términos de investigación, planeo postularme a programas de matemáticas computacionales o ciencias de la computación y espero involucrarme en el aprendizaje automático con énfasis en el aprendizaje por refuerzo para problemas de decisión de Markov parcialmente observables en espacios de estado y acción continuos.
Hay varias consideraciones que pueden dificultarlo. Aquí hay algunos basados en el instinto:
1) Eres un 'forastero': la ruta tradicional de la escuela de pregrado a la de posgrado a menudo implica fomentar las relaciones con otros académicos en tu institución de origen y en el extranjero. Esas relaciones ayudan a engrasar las ruedas cuando se trata de cartas de apoyo. Pero, esto se puede superar. Quizás ya mantengas relaciones con círculos académicos. De lo contrario, las cartas fuertes de los altos mandos en un lugar como RMS probablemente sean igual de notables.
2) Desde la perspectiva del PI, tomar un estudiante de posgrado es una inversión a largo plazo. Ocuparía un lugar que podría ofrecerse a otra persona, por lo que, además de prometer productividad, los IP generalmente prefieren que la persona tenga el objetivo de continuar y seguir una vida académica. Dado que ha estado en la industria, siempre existe el temor de que en algún momento simplemente abdique y regrese a la industria.
Creo que puedes hacer girar la 'narrativa' de tu experiencia en la industria a tu favor. Primero, puede enfatizar que su tiempo en la industria no satisfizo sus necesidades de desarrollo académico. En otras palabras, solo los académicos brindan la plataforma para alcanzar sus objetivos altamente técnicos. En segundo lugar, las personas en la industria suelen tener una ética de trabajo muy sólida y saben cómo hacer las cosas; algo que a menudo falta en los nuevos estudiantes de posgrado. Podría considerar documentar qué tan productivo ha sido.
ff524
ff524
hablar
Jack loco
hablar
hablar