Ha a jövőben mesterséges intelligencia fejlesztéssel szeretnék foglalkozni, akkor milyen szakot válasszak egyetemen?

Ezekkel a területekkel (is) foglalkozom és általad említett mindkét egyetemre/szakra jártam, ezért tisztázzunk le pár dolgot, mert magában a kérdésben már eleve több hibás feltételezés van.

1. A valódi Computer Engineer az NEM tisztán Mérnök infó és a Computer Science SEM tisztán Programtervező infó. Ezek az elnevezések magyar viszonylatban tévesen vannak használva. Ezek a magyarországi szakok inkább az angolszász képzésben levő párjaik valamilyen keveréke. Ezt jelezvén a BME is egy időben inkább valami "IT Engineer" megnevezéssel adta ki a diplomát (most nem tudom, hogy van, de a tanterv nem indokolja a Computer Engineer megnevezést).

2. Mesterséges intelligencia fejlesztéshez majdnem teljesen értelmetlen a mérnök infót a proginfóval kombinálnod, mert mindkettővel tudsz majd eleget, ahhoz, hogy tudd majd fejleszteni egy kis utána nézést követően... Azt mondanám, hogy a programtervező informatikus képzés szemléletben kicsit talán közelebb áll a mesterséges intelligenciához, a machine learninghez pedig inkább a mérnök infó áll közelebb, de ezok is csak elhanyagolható mértékben... Azaz sokat nem érsz a szakváltással, hacsak nem valami privát hóbortot akarsz kielégíteni.

Plusz tanácsok:

- ha igazi nagyágyú akarsz lenni és fejlesztés mellett kutatni is szeretnéd ezeket a területeket, akkor matematika, vagy fizika szak sokkal jobb választás lehet...

- ha ennyire érdekel a AI vagy a ML, akkor udemy-n egyenként 13 dollárért (akciós heteket kell kivárni) nagyon korrekt kurzusok sorát veheted meg, amelyből tényleg sokmindent felszedhetsz, mielőtt a szakra kerülsz

- figyelj oda hogyan kevered a mérnök infót a proginfóval ezeken az egyetemeken, mert ha az általad választott sorrend a cél, akkor olyan területek, mint a Formális Nyelvek (ELTE) = Nyelvek és Automaták (BME) teljesen kimaradnak a képzésedből (legalábbis pár éve a két tantervet összekombózva így jártál volna).

- a fentiek mellett nézz utána a Data Science és a Deep Learning területeknek, ezek rokon területei az általad említett két szakterületnek és jelenleg talán jobban is lehet keresni velük. Az előbbi mélyebb matematikai ismereteket igényel (pl. statisztika), az utóbbi pedig a jelenlegi ML rendszerek leghatékonyabb implementációinak alapját képezik úgy, hogy közben alig értjük, hogy pontosan miért is...