工程博0,导师是大组,主要研究方向有这些对抗机器学习、图机器学习、基于学习的组合优化、CV(网络结构、小样本、自监督)、A4Sci
有点纠结选哪个方向,希望有ai巨佬指点迷津个人的一些想法
cv貌似非常的卷,有被最近那个CV劝退视频震撼到,不过视频面对的对象是硕士,不知道我这个工程博能否入坑:
nlp方向,大语言模型概念比较火,如果入坑应该就是选LLM了,有点担心计算资源和效率的问题,不知道搞不搞得动
图ml方向是导师让我先看的方向,初步入门但是GNN的概念貌似几年前比较火,不知道以后有没有前途,担心太小众
组合优化是导师自己做的比较牛的方向,但是感觉有一些些理论了,大概是NP难问题的实际求解,还没具体了解
个人是想走算法岗的道路,希望能早点定个研究方向,专精一下,寻求帮助
![](https://profile-avatar.csdnimg.cn/6f3ecb41fb3040318700b216daf959a0_qq_55499117.jpg!4)
关于#人工智能#的问题:选择研究生(相关搜索:研究方向|机器学习)
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
20条回答 默认 最新
- 社区专家-Monster-XH 2023-11-01 14:14关注
获得0.45元问题酬金 简要分析:
对抗机器学习: 这是机器学习安全性的重要方向,探讨机器学习模型在遭受恶意攻击时的表现。这方向前景广泛,涉及到众多行业应用。
图机器学习 (GNN): 图神经网络是处理图结构数据的工具,应用在社交网络、生物信息学、金融等领域。虽然它几年前比较火,但仍有许多未解决的问题和应用空间。
基于学习的组合优化: 结合了机器学习和传统组合优化,有很强的理论背景,但也有很多实际应用。
计算机视觉 (CV): 尽管你提到有劝退视频,但CV仍是AI领域的核心。网络结构、小样本学习、自监督学习等都是热门话题。
A4Sci: 不太了解
对于你的想法:
CV: 虽然CV确实竞争激烈,但工程博的深度和广度会更深。如果你对CV有热情,可以考虑。
NLP: 大型语言模型如GPT确实非常火热,但计算资源是个问题。你可以考虑更小型、高效的模型或者特定应用领域。
图ML: 如上所述,GNN仍有很大的发展空间。
组合优化: 如果你对算法和理论有兴趣,这是个很好的方向,特别是导师在这方面很牛。
建议:
- 考虑你的兴趣、导师的建议和未来职业规划,然后选择。同时,也可以与实验室的学长学姐交流,了解他们的经验和建议。最后,选择一个你既有兴趣,又看好未来前景的方向。
解决 1无用
悬赏问题
- ¥15 铜与钢双金属板叠加在一起每种材料300mm长,18mm宽,4mm厚一端固定并加热至80℃,当加热端温度保持不变时另一端的稳态温度。ansys
- ¥15 django5安装失败
- ¥60 ios系统storm sniffer 写入http规则加密如何破解?
- ¥15 Java与Hbase相关问题
- ¥15 后缀 crn 游戏文件提取资源
- ¥15 ANSYS分析简单钎焊问题
- ¥20 bash代码推送不上去 git fetch origin master #失败了
- ¥15 LOL外服加入了反作弊系统,现在游戏录像rofl文件离线都无法打开
- ¥15 在centos7安装conda
- ¥15 c#调用yolo3 dll文件获取的数据对不上