人工智慧/機器學習領域,選愛丁堡還是劍橋?

題主現在有愛丁堡的Msc in AI以及劍橋的MPhil in Advanced Computer Science,另有一個劍橋的MPhil in Machine Learning還在等結果。從學術水平上看(主要machine learning),哪家更強?

更新:劍橋MPhil in Machine Learning也有了offer。


我去年在愛丁堡念的msc,也研究過劍橋的項目(結論是不申。。。) 現在在愛大讀博,也有過劍橋phd的offer。

問這個問題 說明你是懂行的。我對劍橋項目的看法基本和另一答主一致。首先做ml肯定不考慮acs項目,但是對於speech是否劍橋一定更好保留意見。劍橋的表面好處是 專業focus,但是其實愛丁堡也完全可以達到同樣的深度(純粹因為愛丁堡nlp方向的體量)。劍橋的實際優勢是 大學的整體聲望, 周邊企業,以及你應該可以有機會和zoubin 學習。當然愛丁堡也有很多出色的教授,也有亞馬遜在旁邊,而且英國本身也不大(有碩士同學去倫敦找到工作的)。劍橋的缺點也是focus,speech的內容太多了,你不喜歡的話,別的選項似乎不多。

然後是愛大的好處。我不是很了解劍橋的研究情況,但是愛丁堡是第一個學期就要寫literature review,第二學期 proposal,暑期完成dissertation,說是一整年都有碰研究也不過分,而且實際上研究的學分比課程的也要多些。 然後是課程自由度,愛大信息學院(不管你實際的title是什麼)有近半課程學分可以選全校的課(除了醫學),屬於親兒子專業。絕對不存在需要選不感興趣的課程的情況。然後愛大現在在蓋新的data science的樓,已經最近每周都有candidate talk,一直在招人。發展勢頭是不錯的。

然後其實英國的話UCL的ml也很好的。


劍橋ML項目的結合點在speech上,愛大AI項目的方向比較多,speech當然也很好,但最值得一說還是NLP (這裡特指text)。我的建議是純做ML或者ML+speech,選劍橋;ML+NLP,選愛大。

兩所學校在讀博機會上我個人感覺差別不大。課程設置上,愛大AI的180個學分中有80個學分是Research Review Proposal Dissertation,另外兩門ML的必選好課MLPR PMR又佔了40個學分。所以如果你想,可以把這個項目讀的理論性很強。剩下的60學分可以選幾乎所有數院開的課(比如運籌優化,當然每周得坐車去KB上課比較麻煩),如果做NLP可以有Accelerated NLP / NLU / Machine Translation / Topics in NLP可以選(前三門我都選了,體驗很好,最後一門的lecturer是我的畢業論文導師,所以比較了解)。其他的像Reinforcement Learning和Robotics也有很多人選。

另外這兩所學校在這個領域的友好往來實在太多了,愛大信院很多劍橋數學 / 物理本科背景的教授(比如MLPR PMR的兩位劍橋男神),劍橋幾個相關實驗室下也是一堆教授是愛大信院的PhD……所以彼此都很認可。綜上個人認為讀博不構成主要考量因素,當然distinction和獎學金無論在哪都是個門檻。

利益相關:愛大AI (NLP specialism) 在讀,已經收到劍橋NLP的PhD offer.


謝邀,這周比較忙所以回復晚一些。畢竟回答這種選擇去向問題還是要調查一下。其實英國的情況我不是很了解,我在美國,所以也沒什麼發言權,工作中接觸到一些愛丁堡的朋友,實力都非常強。

鑒於這兩個Master都是一年制項目,不用做太多research,所以從課程設置角度分析,愛丁堡的MSc是最適合ML和AI的,劍橋的CS碩士也有ML的課程但是主要是CS各方面的強化,作為PhD的預科項目。劍橋那個ML的碩士看起來更偏向Speech,而且是工程院的Speech組。

所以總的來說,如果想要學習ML和AI相關的技能,愛丁堡是更好的選擇。但是劍橋是頂級名校,如果考慮繼續深造PhD,我可能會選擇劍橋的ACS碩士,畢竟有更好的平台發展。如果畢了業直接去業界找工作,我會選擇愛丁堡的AI。如果要做自然語言speech的話,肯定去劍橋的MPhl ML。

以上僅為一家之言,僅供參考,畢竟每個人有各自的喜好,地理,氣候,學校情節什麼的。這兩個學校實力都很強。


分享一個cs ranking網站:http://csrankings.org/

選擇地區:the world

Areas: AI (或單項,如NLP, ML等)

相信能幫你大概了解情況。

個人想法:劍橋ML強太多,愛大NLP強太多。


劍橋裡面兩個Junior: RT和JMHL非常不錯的! Stat lab也有牛人搞高維這塊。愛丁堡培養過不少牛人,但說實話現在ML這塊不能和劍橋比,可能組規模都太小或者生源弱一些的緣故。搞ML理論這塊還是要數學強一點,至少推複雜公式要不太費力。搞AI其他方向像NLP,計算神經或者機器人什麼的倒無所謂了。愛丁堡NLP和general AI據說還挺好。


哇恭喜題主,如果錄的acs是nlp但是不想做nlp的話就不用去acs啦,想做nlp當然是選劍橋。劍橋和愛丁堡的ml老師難分伯仲啊,而且兩邊都是貝葉斯。所以可以排除學術上的因素,那就選能裝逼的劍橋吧。


推薦閱讀:

ACM演算法與數據挖掘,機器學習的演算法有沒有關係,有沒有幫助?
機器學習模型的泛化能力不足,有什麼改進思路?
目前,機器翻譯準確率已經提高到 85% 左右,再進一步提升的主要難點在哪?

TAG:機器學習 | 自然語言處理 | 劍橋大學UniversityofCambridge | 愛丁堡大學UniversityofEdinburgh |