机器学习就业前景
1. Deep learning (深度学习), 这是近年来最火的研究方向,其实就是基于神经网络, 但需要deep structure. 以前因为种种的限制(hardware, lack of fast algorithm), deep learning没有太多得被关注,但近年来随着硬件和算法上的突破, 迅速成了业界最热的研究方向。目前已经应用到了语音识别,图像识别,NLP等等领域。尤其是在语音识别的图像识别上取得了很大的突破,做得非常出色的学者有Hilton(多伦多大学,现在搬到了GOOGLE), 斯坦福的andrew和他的学生,还有google,microsoft也都在投入很多钱在这个方向上。百度也在硅谷建立了深度学习的实验室。
2. Distributed/Parallel Computing. 训练机器学习算法是非常expensive的,而且随着大数据的到来,怎么把机器学习算法并行化或者用分布式的方式来解决是一个非常重要的问题。像hadoop也是迎合了这种需求。 但是这些平台目前还是只适合做数据处理(data precessing), 并不能完全并行化机器学习的核心算法,怎么去并行化而且快速的优化是一个值得研究的问题。 除了map-reduce,还有像GraphLab也是在做这个事情, 而且非常出色的框架,由CMU的os (现在在UW)的团队做的,它可以做相对比较复杂的算法(像collaborative filtering, k-means, belief propagation..) 我觉得这个方向很有前途
3. Bayesian/Nonparametric。 这个领域也是随着硬件的发展而迅速崛起的领域。 像Bayesian mixture model, Dirichlet Mixture model, LDA, HDP, DP Process, Gaussian process,etc. 很多很多算法都可以设计成bayesian, 蛮有意思的。 除了具体的算法,这个领域还有一个重要的分支就是optimization, 像gibbs sampling, variational inference,而且怎么把它parallel也是很有趣的问题。 这个领域有几个大牛 (Michael Jordan (UC Berkeley), David Blei(Princeton), Tech(英国的学校),还有一个剑桥的教授,Emily Fox(UW), Taskar(UW), 还有一个MIT的忘了名字了。
4. 如果喜欢应用的领域,可以去考虑推荐系统(collaborative filtering, content-based filtering, cold start ), 文本挖掘(opinion mining, search, text summarization. etc), 社交网数据分析(spam detection, geo-location analysis, keyword extraction.. 很多很多。。). 如果做文本挖掘, 我觉得用深度学习很有前途(虽然还没有完整的系统说深度学习很出色,但很多人正在尝试)。
学好机器学习最重要的还是先选好一个问题(根据自己的爱好,不要太在乎以后的就业), 然后把这个问题一直做下去,等你能在你的领域上发出高质量的论文的时候,你已经差不多成为机器学习的专家了。
-
冶金工程和电气工程及其自动化就业前景,和未来提升空间!
额,我知道上海大学冶金工程还不错,但总觉的没有人,冶金工程有点悬乎……给点建议啦各位!!……可能要考研……...
-
河南工业大学经济学专业就业前景
目前国内高校已经建立的经济学类相关专业有国际经济与贸易、投资学、财政学、经济学、金融学、贸易经济、税务、国民经济管理、体育经济、保险、信用管理、金融工程、海洋经济学、环境经济、网络经济学、国际文化贸易、环境资源与发展经济学。各个专业最大的区...
-
英语教育的就业前景
英语教育专业就业方向该专业毕业生适合在中国小、幼儿园教学以及其他类型、层次的英语培训机构从事英语教学工作和教育管理工作;其次在各类各级公司、企业从事一般性翻译或外贸工作。英语教育专业就业前景英语教育专业由于专业的局限性,目前来看就业前景堪忧。...
-
北京师范大学心理学专业就业前景
话说为了讲这这场讲座,我特意跑去参加中科院老师的课程,想看看中科院的老师是如何看待心理学就业的,中科院的老师的回答是心理学的今天很光明,明天更光明,后天很美好。好啦,现在就开始说一下老师这边对于心理学就业的一些了解。首先咱们先从心理学的定义来解释一下,心...