Mestrado em Ciência da Computação, na área de Machine Learning, que tal tentar?

Recentemente eu comecei a cursar um mestrado acadêmico em Ciência da Computação, na área inteligência computacional, envolvendo aprendizado de máquina e mineração de dados. Decidi cursar na Universidade Federal de Pernambuco – UFPE.

A UFPE possui um programa acadêmico de pós-graduação avaliado com nível 7 (em uma escala de 1 a 7) pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). Por tal motivo, tornou-se instituição referência em ensino e inovação no país.

A pesquisa e a docência sempre me interessaram em grande medida. E minha inclinação pela pesquisa em ciência da computação só tem aumentado depois que comecei a estudar sobre machine learning. Assim, a ideia de cursar um mestrado acabou ganhando força de uma maneira natural.

Mestrado X Cursos online

Eu poderia ter investido em um curso Udacity ou Coursera, mas nenhum deles me daria a chance de estudar o tema de uma forma realmente aprofundada.

Uma coisa bem legal destes cursos é que você aprende por meio de projetos voltados para situações reais, dentro de contextos específicos. Porém, é sempre bom lembrar que os organizadores do programa resumem a grade do curso de forma que ele possa ser ministrado dentro de poucos meses, "enxugando" tópicos até onde for possível.

Há ainda aqueles cursos que são pré-requisitos e você precisa completá-los antes. Deste modo, você acaba tendo que comprar dois ou três cursos antes de iniciar aquele que realmente deseja. Para confirmar o que estou tentando dizer, basta que você veja o exemplo do curso Nanodegree Engenheiro de Machine Learning, da empresa Udacity.

Então, você aprende com projetos reais, investindo muito dinheiro (às vezes mais do que você está disposto a investir), com uma grade resumida. Pode valer muito a pena, dependendo de qual for o seu objetivo final. No meu caso, entretanto, isto estaria completamente fora de cogitação. Mesmo porque, meu objetivo é outro.

No caso do mestrado, e aqui me refiro ao acadêmico em ciência da computação, você teria dois anos para cursar algumas disciplinas específicas (ao menos até onde sei) e desenvolver o projeto final que corresponde à sua dissertação. Normalmente a dissertação é desenvolvida no último ano do curso.

No meu caso, são 6 disciplinas (entre as quais estão: Estatística, Aprendizado de Máquina e Deep Learning), que têm o objetivo de imergir o aluno em vários tópicos de interesse, dando a ele a oportunidade de se aprofundar no tema que tomará como base para desenvolver a sua pesquisa. Cada disciplina exige o desenvolvimento de um projeto, que é avaliado, e a nota dele ajuda a compor a nota final da disciplina, junto com a prova. Então, você absorve o conteúdo das disciplinas ao longo de cada semestre e aplica o conhecimento no desenvolvimento de projetos práticos.

Todo o aprendizado adquirido ao longo das seis disciplinas é utilizado para desenvolver o projeto final, que é parte da sua dissertação de mestrado. Se você aproveitar bem o curso e seu projeto for interessante, poderá render um artigo com grandes chances de ser publicado e aceito em conferências importantes na área. Isso te dará notoriedade, além de render muitos outros frutos.

Voltar à universidade?

Por bastante tempo eu fiquei pensando assim:

Será que vale a pena investir tempo e esforço num mestrado acadêmico? Seria mesmo interessante voltar à universidade neste momento?

Eu saí da graduação em 2013 e mergulhei de vez no mercado, onde atuei por um bom tempo como desenvolvedor, tendo contato diário com várias tecnologias. Eu precisava desta experiência, mas muitas vezes pensei que deveria mudar de direção. Além disso, em grande parte desse tempo eu fazia as coisas quase que mecanicamente, pois raramente havia um grande desafio e tudo era muito repetitivo. É fato que, aquilo que não te desafia, não te fortalece. A bem da verdade, devo dizer, é que eu queria usar ciência.

Em 2015 eu tive meu primeiro contato com o machine learning. Praticamente todos os dias eu via algo novo surgir sobre o assunto. Ao fazer pesquisas no Google com palavras-chave sobre o tema, eu era facilmente levado a diversos artigos científicos na área de inteligência computacional, quando não a sites de cursos online como Udacity ou Coursera. Quase sempre me "assustava" com o valor dos cursos.

Algo me falava que eu deveria abraçar aquilo com força, e o momento era aquele. O curso de engenharia me deu um certo traquejo matemático, de maneira que eu não tinha muita dificuldade para ler e interpretar os papers que a galera publicava nas conferências de machine learning. A experiência com programação também me ajudou a reproduzir os resultados dos autores, fazer modificações e tentar abordagens diferentes. Assim, percebi que minha melhor fonte de estudos seria mesmo aqueles papers.

Este contato mais frequente com materiais acadêmicos diversos me fez relembrar do gosto pela pesquisa, e eu já havia sido bolsista de iniciação científica nos tempos de graduação. Assim, de um modo natural, fiquei tentado a investir tempo em um curso de pós-graduação na área, para me especializar e me aprofundar no assunto. Eu queria cursar um mestrado em machine learning.

Mestrado profissional X Mestrado acadêmico

O mestrado acadêmico prepara o estudante para uma atuação na pesquisa e na docência em áreas específicas, onde ele deverá continuar sua carreira com um doutorado. A intenção, de um modo geral, é ampliar o conhecimento sobre um tema de interesse acadêmico e estimular a reflexão teórica. Isto abre espaço para desenvolver, explorar e aplicar muitas ideias interessantes, na indústria e na sociedade.

Há, ainda, o mestrado profissional. Este tem como diferença o foco em um profissional de alto nível, mais voltado para atuação no mercado, embora também possa abrir caminho para a docência. Assim, este modelo de pós-graduação procura um alinhamento entre universidade e mercado. É útil, neste caso, que o aluno não se submeta ao mestrado profissional logo que sair da graduação, pois é recomendado adquirir alguma experiência na sua área de interesse.

Logo ficou claro que o meu objetivo me levaria a um mestrado acadêmico.

Vida de pesquisador, no Brasil, não é fácil

Estou ciente de que nunca foi fácil ser pesquisador em um país cujo governo, por tradição, desestimula quase todo tipo de desenvolvimento científico e tecnológico. Outra coisa que não ajuda é a recente ideia de cortar investimentos na área de ciência e pesquisa para o ano de 2019. Vida de pesquisador já não era fácil, depois dessa, então……. 💩

Iniciativa privada

Por outro lado, há o fato de que muitos líderes no mercado de tecnologia, tais como IBM, Google, Microsoft, Apple e Facebook mantêm centros de pesquisa financiados com seu capital, onde costumam fomentar projetos de P&D completamente focados em suas áreas de mercado específicas. Neste caso, as chances de um projeto de pesquisa se tornar praticável e ver a luz do dia se potencializam.

Além disso, estas empresas também financiam centros de pesquisa e inovação dentro de muitas universidades federais, sendo que a Universidade Federal de Pernambuco é um exemplo disso (Apple, Samsung e Lenovo são algumas que possuem convênio com a instituição, tendo salas próprias e laboratórios de pesquisa em andares específicos).

Participando do processo seletivo

Tudo isto pesou muito na minha decisão e, como já estava com a mão na massa, decidi levar a ideia adiante e tentar uma vaga na área de Machine Learning (a única que me interessava).

Entre outras coisas, eu também considerei o seguinte:

  • O mestrado abre caminho para a docência e para o doutorado, coisa que sempre me atraiu;
  • Aumenta as chances de ir para uma empresa grande, que investe em P&D, como IBM, Google, Microsoft;
  • Confere um diploma reconhecido pelo MEC, o que pode trazer muitas vantagens, principalmente no longo prazo.

Depois de um longo período fazendo o levantamento de bibliografia, tomando notas e absorvendo o conteúdo necessário, comecei a elaborar um pré-projeto para submetê-lo durante o processo seletivo, que veio cerca de 8 meses depois. Ainda passei um mês inteiro "roendo as unhas", enquanto aguardava o resultado que, felizmente, não me desapontou.

Eu só teria que tomar uma decisão importante, que seria largar o emprego para poder voltar à universidade e me dedicar ao curso da forma como eu desejava. Esta decisão foi facilitada pelo fato de que eu estava extremamente insatisfeito com a empresa onde trabalhava, por diversas razões. Além disso, o meu objetivo era maior e muito mais importante. Então, pedi as contas, dei tchau e tomei meu rumo com uma satisfação que poucas vezes senti na vida.

Já tem algum tempo que comecei o curso e estou bem contente com o que estou fazendo agora. Conheci uma galera bem talentosa e muito acima da média, num ambiente que realmente nos estimula a estudar.

Outra coisa legal é poder contar com bibliotecas vastas, com amplos acervos dentro de assuntos diversos, convênios com empresas como a Springer Books, o que me permite baixar muitos livros de graça, além de vários outros “mimos” legais. Enfim, toda uma estrutura que facilita a vida do acadêmico.

Graduação e pós-graduação não preparam para o mercado

É sempre bom lembrar que a graduação ou mestrado, por si só, não te preparam para o mercado (se você conhece alguma exceção, por favor, tenha a bondade de me corrigir 🙂). Se este for o seu objetivo, não se iluda. Contudo, se puder aliar toda a bagagem teórica adquirida durante estes cursos com alguma experiência de mercado, você terá muitas vantagens e será um profissional mais completo.

Isto porque, no mercado, onde todo problema vem com um "sabor" diferente, os exemplos prontos dos livros não ajudarão em nada. Todo santo dia alguém vai “jogar uma cascavel no seu colo”, e você terá de lidar com ela.

Referência: