¿Pasar de las matemáticas puras al aprendizaje automático como posdoctorados?

Soy un postdoctorado de primer año en matemáticas puras (geometría/topología con una sólida formación en análisis) con experiencia en estadística y probabilidad (también con probabilidad teórica de medida). También tengo algunos conocimientos de programación en ForTran, C y Matlab, pero nunca los usé en mi carrera de matemáticas puras en mi escuela de posgrado durante los últimos 5 años.

En mi próximo trabajo, estoy considerando hacer un posdoctorado en aprendizaje automático (ML). La razón detrás de este cambio es: estoy satisfecho con mi conocimiento puro hasta el momento y he querido ver algunas aplicaciones de las matemáticas en la vida real, y también mantengo mis opciones abiertas tanto en la industria como en la academia.

Mis preguntas son:

  1. ¿Qué tan difícil será este cambio? Supongo que tengo toda la formación matemática requerida, pero ¿será difícil adquirir las habilidades informáticas necesarias, incluso si trabajo en problemas más orientados a la teoría?

    ¿Cuáles son exactamente los conocimientos de programación que necesito dominar para trabajar en ML?

  2. ¿Hay un sitio web/lista de correo electrónico donde pueda recibir notificaciones sobre trabajos en aprendizaje automático? Busco trabajo principalmente en Europa, pero también agradecería información sobre los EE. UU.

Como curiosidad, ¿dónde terminaste actualmente? Actualmente también estoy considerando una transición de las matemáticas al aprendizaje automático.
@JamesChung Gracias por tu comentario, pero seré breve. Primero cambié a la neuroimagen computacional (debido a su conexión con la geometría diferencial y la estadística/aprendizaje automático estadístico), desde donde también me interesé activamente en el aprendizaje automático y publiqué en la intersección de la geometría diferencial y el aprendizaje automático estadístico, con aplicación a la neuroimagen. Luego trabajé en la industria durante algunos años, no me gustó y planeaba volver a la academia y solicitar posdoctorados/puestos permanentes en Francia.
Gracias por la respuesta. En este momento, no estoy familiarizado con DG ni ML/DL, por lo que no es apropiado para mí tener tal discusión en este momento. (Solo estoy en la maestría en matemáticas) Sin embargo, si surge algo interesante, agradecería que podamos tener una discusión (que probablemente sea en un futuro lejano).

Respuestas (2)

1) ¿Qué tan difícil será este cambio? Supongo que tengo toda la formación matemática requerida, pero ¿será difícil adquirir las habilidades informáticas necesarias, incluso si trabajo en problemas más orientados a la teoría?

No hay problema : recoger las matemáticas asociadas con ML. Tienes la formación adecuada y te resultará fácil entender los documentos después de una fase inicial de aprendizaje.

Potencialmente un problema : comprender por qué se hacen ciertas preguntas y qué se considera interesante. Aquí es donde los matemáticos y los informáticos tienden a divergir, y traducir su intuición en preguntas puede llevar algún tiempo. ¡Pero una mentalidad más matemática también puede llevarlo a hacer preguntas interesantes que la gente de CS NO está haciendo!

¿Cuáles son exactamente los conocimientos de programación que necesito dominar para trabajar en ML?

Dependiendo de cuán teórico sea el posdoctorado, desde ninguno hasta R, python y matlab, y tal vez incluso algún marco de aprendizaje distribuido a gran escala como GraphLab. Pero definitivamente debería familiarizarse con los tres primeros: ML es un buen ejemplo de "formulación sin problemas que sobrevive al primer contacto con los datos".

2) ¿Hay un sitio web/lista de correo electrónico donde pueda recibir notificaciones sobre trabajos en aprendizaje automático? Busco trabajo principalmente en Europa, pero también agradecería información sobre los EE. UU.

Una buena lista de correo es ml-worldwide. Otro es el grupo de Google ml-news.

Para agregar a la respuesta de Suresh, algunas personas son programadores natos y pueden aprenderlo con muy poca dificultad. Algunas personas (incluido al menos un gran matemático que he conocido) son completamente incapaces de pensar algorítmicamente y luchan con las tareas de programación más simples. La mayoría de nosotros estamos en algún punto intermedio. Entonces, la respuesta a la pregunta "¿Qué tan difícil es adquirir las habilidades informáticas necesarias?" realmente depende en cierta medida de su habilidad natural.
"Aquí es donde los matemáticos y los informáticos tienden a divergir" y ambos tienden a divergir de lo que le interesa al científico que trabaja sobre la aplicación en cuestión...
Otra habilidad que es necesaria si quiere tener en sus manos problemas reales es traducir entre los diferentes idiomas como biólogo <-> CS <-> matemáticas, etc.

Si usted es un matemático puro con experiencia en análisis geométrico, hay problemas interesantes en la subárea del aprendizaje automático llamada "Aprendizaje múltiple", que requiere bastante intuición y geometría riemanniana. El aprendizaje automático es un área muy amplia y se trata de lo que más le convenga.

Gracias por tu valioso comentario, Mashbat. Tengo experiencia en geometría riemanniana avanzada, PDE y superficies de Riemann, pero no exactamente en análisis geométrico, que se ocupa de más análisis que la geometría riemanniana. Cambié a la neurociencia computacional con aplicaciones de diff. geo., pero definitivamente tendría curiosidad por saber más sobre qué tipo de problemas manejan en el aprendizaje múltiple que tienen que ver con la geometría de Riemann.
¿Pasar de las matemáticas puras al aprendizaje automático como posdoctorados?
RespuestasAquíPolítica de privacidad1y, 0v