Inrikta sig mot robotik/maskininlärning/beräkningsmatematik

Nej det duger inte minst lika bra som ett rent matematikprogram, om det nu är matematiker man vill bli. Alla civilingenjörsprogram dras med samma problem, nämligen att man läser för mycket "onödiga" utfyllnadskurser man egentligen inte har någon nytta av.

Anledningen enligt mig, skulle vara att elektroteknik läser tyngre kuser så som tex funktionsanalys och system och transformer.
För övrigt så är iallafall enligt mig kopplingen mellan ML och programmering överdriven. Visst, du ska programmera in algoritmerna, transformera data osv, men det är ingenting som en grund i datateknik lär dig bättre än en grund i elektroteknik. Vad datateknik möjligtvis lär dig som du inte får via datateknik är en databaskurs och parallelprogrammering som kan vara användningsbara. Sen är deras extra programmeringvana kanske bättre om de tex ska använda Spark. Sen skiljer det sig givetvis en hel del från skola till skola och computer science utomlands skiljer sig ofta väsentligt från det svenska datateknik.

Programmeringsbiten är däremot mycket enklare att lära sig än matten och de jag läser med som kommer från en bakgrund från tex mjukvaruteknik, datateknik, datalogi, har haft svårare att hänga med i matten. Kopplingen mellan ML och datateknik är inte speciellt tung. Skulle likaväl kunna ligga inom matte. I slutändan efter fem års studier gör det egentligen ingen större skilnad om man kommer från en bakgrund inom datateknik eller elektroteknik. De man saknade har man hunnit ikapp.
Nu pratar jag ML på riktigt och inte kunskapen av att använda sig av något framework enbart. Att förstå sig på de transformationer av data man gjort och förstå varför algoritmerna ser ut som de gör. Algoritmerna är i slutändan bara nedkodad mattematik.

På vilket sätt mer ingående anser du att datateknik är till en bättre fördel?

Rent arbetslivsmässigt?
Ja då är datateknik betydligt bättre när det gäller implementeringsbiten. För det handlar i första hand om att skapa mjukvara av en modell, och då är det rena datalogiska kunskaper som är viktigast. Vilken datastruktur bör användas för att optimera den ena eller andra delen, vilka sökalgoritmer bör användas här och vilka bör undvikas.

Pratar du om modelleringsbiten så är det främst matematiker som behövs. Det är ytterst sällan utanför den akademiska världen som samma personer som skapar modellerna realiserar dessa i färdig optimerad mjukvara.

Du har helt rätt och det är även därför jag lägger tyngdpunkten på olika områden inom matte. Att implementera in den färdiga modellen/algoritmen i C++ behövs ingen machine learning kunskap för även om säkert hjälper. Det finns massvis med färdiga ML algoritmer, men de är alla bra för olika problem och olika dataset. Att välja rätt features, och rätt algoritm kräver mindre programmering, mer mattekunskaper. För vissa problem kanske det är så pass enkelt att bara ta en enkel modell och implementera den, men ofta är det inte så. Du ska ta datan, hitta struktuten, få fram features, välja rätt modell och utvärdera. Under denna delen har du inte så mycket användning av programmeringen du pratar om. Att implementera den färdiga modellen/algoritmen i tex C++ är en annan femma och inte riktigt machine learning längre.

Nja jag skulle kunna säga samma sak fast tvärtom. En matematisk modell kommer aldrig att lära sig någonting av sig själv. Det är först när den realiseras i programvara som man kan prata om machine learning. Och om du arbetar med ett företag som ligger i framkant så handlar det inte om att använda "beprövade" ML algoritmer. Då skapar du dessa genom att tolka de modeller som dina matematiker gett dig. Däremot så använder du naturligtvis de standardisrade algoritmer och datastrukturer som är väl beprövade och utvecklade inom datavetenskapen för att skapa dessa.
Det är inte kodapor vi pratar om nu utan dataingenjörer.

Sen är det väl naturligtvis en smaksak vad man vill syssla med. Sitta med miniräknare och anteckningsblock hela dagarna och sen bara se den färdiga produkten, eller att vara med och utveckla och testa programvaran hela vägen från första preudokoden fram till man har en optimerad färdig produkt

Här har vi helt enkelt bara två olika definitoner på vad som är machine learning. För mig är det främst skapandet av modellen dina mattematiker ger dig.

bump eftersom jag också är helt såld på maskininlärning och AI

Däremot så läser jag ett statistikerprogram. Det är inte mer än dryga 15hp i matematik (linjär algebra och envariabelanalys). Samt endast 15 poäng i programmering. (7.5hp SQL samt 7.5hp baskurs i Java) Är det någon som har någon koll runt maskininlärningsmasterprogram och vad dessa kräver?

Kan ju tillägga att 90 poäng i statistik som jag läser täcker en del matematik och programmering också, men inget som man fördjupar sig speciellt i.

denna intresserade mig
https://liu.se/utbildning/program/f7msl

Detta masterprograms krav kräver faktiskt endast precis de matte och programeringskurser som jag läser. Men min magkänsla säger att jag kommer vara underkvalificerad ändå.

Tänkte också passa på att fråga vad en statistiker med maskininlärningsmaster skulle kunna tänkas få jobb? Typ företag/arbetstitel.