Tratando de cambiar los campos de doctorado en biología computacional a posdoctorado en aprendizaje automático/estadísticas, ¿cómo aumentar la probabilidad de éxito?

Todo lo siguiente tiene lugar en una universidad del Reino Unido.

Tengo una licenciatura en física y una maestría en informática. Mi tesis fue sobre la aplicación de varias técnicas estadísticas/de aprendizaje automático a conjuntos de datos biológicos. Quería hacer algo similar para mi doctorado, sin embargo, mi supervisor dejó la universidad.

Ahora estoy en el primer año de mi doctorado en Ciencias de la Computación, específicamente Biología Computacional. Mi trabajo se centra en comparar diferentes técnicas (físicas/estadísticas/aprendizaje automático) en simulaciones unicelulares. Me resulta difícil incorporar técnicas de aprendizaje automático en mi trabajo, ya que no hay muchos conjuntos de datos para el tipo de cosas que mi supervisor quiere que haga, por lo que el enfoque de aprendizaje automático está resultando complicado.

Quiero desesperadamente un trabajo/posdoctorado en un entorno de estadísticas/aprendizaje automático.

  1. Muchos postdoctorados que conozco cambiaron de campo después de su doctorado, por ejemplo, astrofísica a aprendizaje automático, sistemas confiables a aprendizaje automático, biofísica a diseño de compiladores. En mi caso, ¿alguien en la comunidad de ML me tomaría en serio? (Pensé que mi Msc me ayudaría...)

  2. Me he enseñado a mí mismo un poco de ML y estadísticas, ¿hay algo más que deba hacer para aumentar la probabilidad de obtener un posdoctorado de ML/estadísticas?

  3. ¿Alguien en un departamento de estadísticas me tomaría en serio ya que no tengo un título en matemáticas?

  4. ¿Las personas que cambian de área de carrera tienen carreras exitosas o esto normalmente es una señal de alerta?

¿Está planeando hacer un trabajo teórico de CS en su doctorado, o solo será la aplicación de métodos conocidos? Además, ¿puede aclarar qué tipo de postdoctorado de ML/estadísticas desea: ML/estadísticas teóricas, aplicadas (¿en qué campo?), Biología computacional?
@Bitwise Estoy bastante seguro de que serán principalmente aplicaciones de técnicas existentes. Sin embargo, si descubriera nuevas técnicas, definitivamente las publicaría. En términos de un posdoctorado de ML/estadísticas, no soy exigente, pero dada mi experiencia actual, creo que aplicarlo sería lo más adecuado. Preferiría una aplicación no biológica, ¡pero los mendigos no pueden elegir!
¿Hay algo más que deba hacer para aumentar la probabilidad de obtener un posdoctorado de ML/estadísticas? - Sí. Publicar.
Una pregunta que haría es si está en el primer año del doctorado, pero está pensando en el futuro y quiere que su carrera eventual sea sobre ML, ¿por qué no cambia de marcha y entra en ML ahora mismo (o después)? su proyecto) cambiando temas/asesores/conjuntos de datos, u obteniendo colaboración con un profesor de ML, etc.?
@Irwin, esto es exactamente lo que estoy tratando de hacer, estoy tratando de hacer que mi trabajo actual esté lo más centrado posible en ML. Mi supervisor es un gran admirador de ML, pero el problema es obtener los conjuntos de datos relevantes.
@RRs_Ghost Creo que la mejor idea es centrarse en ML de su doctorado como mencionó que es bastante posible.
@RNs_Ghost Solo para comentar "no hay muchos conjuntos de datos para el tipo de cosas que mi supervisor quiere que haga" => ¿por qué no crea un conjunto de datos de alta calidad para la tarea? Claro, lleva mucho tiempo, pero los conjuntos de datos, si son útiles, pueden ser muy citados.

Respuestas (3)

Mi respuesta se basa más en la experiencia de la biología computacional, pero creo que es relevante para otros campos:

  • Cambiar de campo es muy común en la academia, especialmente en la transición de doctorado/postdoctorado. En muchos casos, en realidad se considera una ventaja, ya que puede importar sus habilidades, experiencia y cierto proceso de pensamiento a un campo en el que muchas personas no tienen esas habilidades. Por ejemplo, muchos físicos, informáticos y matemáticos han migrado a la biología y han hecho contribuciones significativas. De hecho, incluso hay becas posdoctorales que financian específicamente este tipo de cambio de campo.

  • Con respecto a sus preguntas sobre "me tomarán en serio": dado que apunta principalmente a ML/estadísticas aplicadas, no creo que deba preocuparse demasiado si la comunidad teórica de ML/estadísticas lo toma en serio. Muchos teóricos tienden a menospreciar la ciencia aplicada; no se preocupe, aún puede tener un impacto significativo sin avanzar en ninguna teoría. Parece que en el futuro pertenecerá al departamento en el que desea aplicar las técnicas (por ejemplo, un departamento de biología) o trabajará muy de cerca con personas en esos departamentos. En este caso, generalmente se le considerará el experto en ML/estadísticas.

  • Habiendo dicho todo eso, por supuesto que es tu trabajo convertirte en un experto. Enseñarte la teoría por ti mismo es importante, pero si buscas ciencias aplicadas, especialmente ML/estadísticas aplicadas, sería una gran ventaja obtener experiencia real en su uso. Hay una gran diferencia entre aprender sobre estos métodos e implementarlos y usarlos. Verá que durante su doctorado a menudo puede expandir su investigación en direcciones que le interesen más. No debería ser demasiado difícil usar algunas estadísticas/AA de manera creativa en algunos subproyectos (que luego podrían expandirse).

gracias. Si tuviera que decidir que quería quedarme en un departamento de informática y trabajar en algo más teórico, entonces supongo que mis publicaciones tendrían que incluir la creación de algunas técnicas novedosas en lugar de simplemente aplicar las existentes.
El trabajo teórico de @RRs_Ghost sería idear nuevos métodos, mejorar/ampliar los métodos actuales o trabajo teórico general. Por supuesto, cuando digo "idear un nuevo método", me refiero a esto en el sentido teórico, es decir, desarrollando matemáticamente el método y probando ciertas propiedades del mismo (p. ej., convergencia a una buena solución con el aumento de la cantidad de datos).

Algunas reflexiones sobre sus preguntas (por favor, no tome nada de esto como un evangelio, estoy en las etapas finales de mi doctorado y también estoy buscando un postdoctorado).

Su maestría en ML probablemente lo beneficiaría en cualquier aplicación de postdoctorado (hasta qué punto dependería de la institución). Algo a considerar, ¿es posible construir/incluir principios de ML en su investigación actual?

Una forma importante de hacerse notar en los campos que le interesan es publicar en revistas revisadas por pares y presentarse en conferencias relevantes. Hable con académicos involucrados en su campo de interés, hable con su supervisor/asesor, tal vez pregunte si existe la posibilidad de presentaciones en conferencias/documentos colaborativos.

En cuanto a cambiar de trayectoria profesional, esta es cada vez más la norma: mi propio ejemplo es un cambio de la geología económica, a través de la enseñanza de la física atmosférica. Una cosa importante sobre este aspecto es centrarse en las habilidades que ha desarrollado, particularmente en la investigación.

Espero que esto ayude.

Gracias, tengo la oportunidad de enseñar algunas cosas de AI y ML este próximo año académico, así que aprovecharé al máximo esa oportunidad. Además, ¡eso es todo un cambio!
¡Enseñar IA y ML definitivamente también ayudará!

Depende en gran medida de lo que quiera hacer después de obtener un doctorado. Más precisamente, si quieres trabajar como personal técnico, entonces sí. Afecta tus posibilidades de carrera porque no ayuda a una empresa que seas un experto y, por lo tanto, tienen que pagarte más que el promedio, en un área diferente y no tienes una sólida experiencia comprobada en el área en la que trabajan . quiere ser contratado.

Sin embargo, si decidió trabajar como gerente, ventas, marketing o administración (por ejemplo, firma de aplicaciones), entonces no importa en qué campo tenga su doctorado. En algunos puestos se requiere tener título de doctorado, no más.

Tratando de cambiar los campos de doctorado en biología computacional a posdoctorado en aprendizaje automático/estadísticas, ¿cómo aumentar la probabilidad de éxito?
RespuestasAquíPolítica de privacidad1y, 0v