Por loco que suene ser aceptado en un programa de doctorado en una universidad extranjero no es la parte más difícil. Una de las grandes barreras a la de aplicar a un programa es asegurar fondos que permitan financiar tu investigación y estadía en el país de interes.
Hace unos meses, me encontraba en la activa búsqueda de programas de Doctorado para continuar mis estudios y no sabía por dónde empezar. A pesar de la abundancia de información en Internet, nunca logré encontrar un blog con tips especificos que se ajustaran a mi realidad. Por esto, he decidido compartir mi experiencia y compartir algunos consejos que me fueron útiles en la búsqueda de un programa de doctorado en el extranjero.
Antes de comenzar, quiero señalar algunos puntos importantes. En primer lugar, soy consciente de que mi experiencia no es universal; es posible que lo que me funcionó a mí no se aplique a todos. Además, hay muchas otras maneras de abordar esta búsqueda, más allá de las que compartiré aquí. En segundo lugar, debo aclarar que no soy doctor ni estudiante de doctorado. Es más, actualmente, trabajo en una startup de Inteligencia Artificial. Sin embargo, logré conseguir algunas entrevistas exitosas. En tercer lugar, mis consejos estarán principalmente orientados a la búsqueda de estudios de posgrado en Ciencias de la Computación e Inteligencia Artificial, dado que esta es mi área de formación. Aunque creo que estos consejos generales pueden ser de utilidad en otras áreas, los detalles más específicos se centrarán en las disciplinas de Ciencias de la Ingeniería.
Esta es una pregunta crucial que una persona debe ser capaz de responder al comenzar la búsqueda de estudios de postgrado, ya sea de maestría o doctorado. Esto se debe a que, aunque estudiar en otro país puede ser la mejor experiencia de tu vida, existen numerosos riesgos que deberás enfrentar. Entre ellos se incluyen dejar a tu familia y amigos, aprender nuevos idiomas (ya que el inglés podría servir para comunicarse en el ámbito universitario, pero no necesariamente en el día a día de una cultura diferente, donde las personas no tienen por qué saber hablar inglés para comunicarse con extranjeros). Otro punto a considerar es la situación financiera; seguir un programa de maestría o doctorado significa que posiblemente no podrás trabajar durante varios años. Y, aunque las becas proveen para vivir durante ese tiempo, es mucho menos dinero que el salario que podrías obtener en la industria. Por estas y otras razones, responder a esta pregunta es fundamental: ¿Por qué quieres estudiar una Maestría o un Doctorado? Sea cual sea tu motivación, debe ser firme, ya que, aunque podría ser la mejor aventura de tu vida, no quita que también podría ser una de las más difíciles. Si aún no sabes la respuesta a esta pregunta, dejo algunos enlaces que podrían ayudarte a encontrarla:
De cualquier manera, no quiero desmotivar ni asustar a nadie. Si bien es cierto que pueden existir días difíciles durante tus estudios, lo importante es creer en uno mismo y nunca rendirse. La vida es corta y los sueños están para cumplirse. Así que, si estás pensando o dudando por las dificultades que podrían surgir, no te preocupes; si has llegado hasta aquí, ya sea para una maestría o un doctorado, puedes lograrlo.
Creo que esta es la parte más importante de este blog. Por cierto, si han llegado hasta aquí, ¡muchas gracias por leer! 😊
Continuando, una pregunta importante es cómo empezar a buscar. ¿Es mejor comenzar por la universidad o el supervisor?, o quizás, ¿el lugar, por ejemplo, el país de destino? Pues la verdad, ninguna de estas opciones es el mejor punto de partida. Lo más recomendable es comenzar por la disciplina. Y cuando digo disciplina, no me refiero a algo general como investigar en IA, sino a los subcampos que puede englobar. Por ejemplo, en mi caso personal, inicialmente estaba muy interesado en investigar sobre Procesamiento de Lenguaje Natural (NLP) y Recuperación de Información (IR), ya que fue lo que investigué durante mi maestría y era lo que más conocía. Sin embargo, después de leer muchos artículos sobre el tema y hablar con más personas, decidí que me interesaba más investigar sobre Aprendizaje Reforzado (RL). Aunque es una línea diferente a lo que ya había hecho, creo que es fundamental ser exigente y honesto con lo que TÚ realmente quieres hacer, ya que pasarás al menos de 2 a 4 años investigando y trabajando en algo que podría definir tu futuro.
Luego de definir la disciplina que quieres aprender e investigar, el siguiente paso más importante es definir el tema o tópico; me refiero al potencial tema sobre el que trabajarás en tu tesis de maestría o doctorado. Alguien podría argumentar, ¿pero por qué sería necesario tener esto tan claro desde el principio? ¿No podría simplemente hablarlo con mi futuro supervisor? Eso es cierto. Sin embargo, cuanto más claras tengas estas dos cosas como futuro estudiante, mayor ventaja tendrás sobre el resto, ya que podrás focalizar tu búsqueda en supervisores que trabajen activamente en la disciplina y tópico que hayas escogido. Créeme, esto facilitará mucho la búsqueda por dos razones. Primero, podrás filtrar a los supervisores que trabajen en dichas áreas y tópicos, y segundo, mientras más claras tengas tus ideas, será más fácil conseguir una respuesta de ellos.
Luego de haber decidido la disciplina y el tópico, surge la pregunta de cómo empezar a buscar un potencial supervisor en mis áreas de interés. En mi experiencia, identifiqué cuatro formas en las que pude, al menos, enviar mis antecedentes a varios potenciales supervisores:
Quizás sea el más obvio de todos, pero buscar supervisores dispuestos a investigar en tus áreas de interés a través de artículos que ellos mismos hayan publicado es un gran punto de partida para iniciar una conversación con ellos. Para esto, hay muchas páginas desde donde comenzar a buscar, pero la más simple, en mi opinión, es Google Scholar ya que allí pueden encontrar artículos interesantes a través de palabras claves, de la misma manera que utilizamos el buscador normal de Google. Por ejemplo, si desean investigar sobre Visión por Computadora como disciplina y análisis de imágenes usando Deep Learning como tópico, pueden utilizar las palabras clave "Computer Vision" y "Deep Learning". Luego, aparecerán una serie de artículos científicos que podrían ser de su interés, en los cuales identificar potenciales supervisores. Posteriormente, pueden buscar en Google el nombre del investigador o investigadora y encontrar mayor información sobre ellos y conocer más de su trabajo. Generalmente, los investigadores poseen páginas personales donde muestran su trabajo o perfiles en las universidades donde trabajan.
Sin embargo, un considerable obstáculo es que, aunque estos supervisores puedan estar dispuestos a trabajar en un proyecto de tesis, es posible que no dispongan de fuentes de financiamiento. Esto podría impedir que sean capaces de supervisar tu trabajo adecuadamente. No obstante, en el contexto de Chile, existe el programa de becas Chile, que ofrece la posibilidad de obtener financiamiento para estudios a través de una postulación rigurosa. Por lo tanto, es crucial mencionar este aspecto cuando contactes a un potencial supervisor.
A través de Internet, existen muchas páginas de anuncios donde los investigadores ofrecen proyectos de tesis (principalmente de doctorado) con una descripción detallada del laboratorio donde trabajan, el proyecto y las fuentes de financiamiento. Las que más recomiendo son:
Cada una de ellas cuenta con filtros principales que facilitan la búsqueda.
Muchas universidades e institutos disponen de varios proyectos de investigación liderados por alguno de sus académicos. Al igual que en el punto anterior, estos proyectos cuentan con una descripción detallada del laboratorio donde trabajan, el proyecto, si hay o no fuentes de financiamiento disponibles, y un contacto para responder dudas sobre el proyecto.
Sé que es más difícil acceder a este tipo de anuncios. Quizás, en este caso, aconsejaría empezar la búsqueda por la universidad de interés antes que por el tópico y disciplina. En este sentido, al identificar una potencial universidad, quizás de acuerdo a algún ranking, revisar si para su área de interés existen proyectos de investigación asociados.
Por ejemplo, la Universidad de Queensland, en Brisbane, Australia, tiene una página de anuncios de proyectos de investigación.
Quizás suene extraño, pero muchos investigadores ofrecen sus proyectos de investigación a potenciales estudiantes a través de redes sociales como X o LinkedIn. Una forma de acceder a estas oportunidades es escribir "PhD Position in Reinforcement Learning" en los buscadores de estas redes (por eso fundamental haber elegido al menos la disciplina), ajustando el filtro a las últimas publicaciones. De esta manera, siempre encontraba varias posiciones que podrían ser de mi interés cada cierto tiempo. A veces, es posible que no encuentres nada interesante, por lo que es necesario repetir la búsqueda periódicamente.
Finalmente, muchas gracias por leer! y espero, que estos consejos les sean de utilidad. También debo decir que buscar un programa de doctorado es una tarea difícil y frustrante que puede tomar meses quizás hasta años, pero como dije lo importante es no rendirse y creer en uno mismo, los sueños son para cumplirlos. Si les gustaría profundizar sobre el tema u otras dudas relacionadas, en la página de inicio se encuentran mis correos profesionales. De nuevo, gracias por leer y mucha suerte en la búsqueda! 😊😊😊
Hola,
Este es el primer blog que escribo. He decidido empezar a escribir una series de blogs relacionado con Machine Learning y Ciencia de Datos en español. Existe mucho material escrito en inglés, por lo que creo que no haré mucho aporte en ese espacio.
Recientemente comencé a buscar trabajo de manera formal y noté que tenía ciertas dificultades a la hora de responder las preguntas típicas en entrevistas para cargos relacionados a Machine Learning Engineer. Por esta razón, he decidido hacer un pequeño aporte educativo dirigido a personas en la misma situación en la que yo estuve, así como a aquellos que están comenzando en el fascinante mundo de la Inteligencia Artificial.
Un obstáculo común es la barrera idiomática, especialmente considerando que la mayoría de los mejores materiales y blogs están en inglés. Por ello, de todos los animo a perder el miedo a aprender un nuevo idioma, como el inglés.
Suficiente ya de introducción, este primer artículo es sobre la diferencias entre Bagging y Boosting, dos métodos de Ensamblaje de Modelos, que buscan mejorar el rendimiento de modelos predictivos en tareas de clasificación o regresión. La noción básica es combinar el aprendizaje adquirido de varios modelos en lugar de uno sólo, para mejorar el rendimiento en tareas predictivas.
Los dos métodos principales son Bagging y Boosting. El objetivos de estos métodos es reducir la varianza de un sólo estimador combinando varios estimadores de diferentes modelos, generando resultados con mayor estabilidad.
Ahora revisemos en profundidad como funcionan estas técnicas de ensamble:
Boostrap Aggregation, también conocido como bagging, es una técnica de ensamble de Machine Learning, cuyo objetivo es mejorar la estabilidad y el rendimiento de los modelos de predictivos, principalmente en tareas de clasificación y regresión. Reduce la varianza y ayuda a evitar el sobre-entrenamiento en modelos de Machine Learning, un fenómeno que hace los modelos se aprendan de "memoria" los datos usados durante el entrenamiento, y a la hora de revisar información nunca antes vista el modelo tenga un pésimo rendimiento.