Personalmente creo que MIT/Stanford no pueden resolver el problema con su propio hardware (excepto quizás el jueves). He oído hablar de estudiantes nacionales que han postulado con éxito, además de su propio hardware, todos están altamente recomendados por profesores reconocidos internacionalmente (muchos más de uno). Por supuesto, las dos condiciones en sí están muy relacionadas.
Es extremadamente difícil solicitar un doctorado en informática en Estados Unidos y hay una serie excelente: California Institute of Technology/Harvard. Así es, Caltech y Harvard, dos universidades fuera del top diez de USnews, ocuparon el segundo lugar. Estas dos escuelas son definitivamente comparables a las tres anteriores en términos de reputación, calidad de los docentes y dificultad de aplicación.
Pero debido a que el departamento es relativamente pequeño, la clasificación no es muy alta. Caltech solo tiene 15 profesores y se puede decir que cada uno es único. El punto fuerte de Harvard es la teoría, que no es lo suficientemente completa. Sin embargo, si tienes la suerte de tener profesores compatibles en estas dos escuelas, si no hay ofertas de las tres escuelas anteriores, te recomiendo dar prioridad a estas dos escuelas.
Es muy difícil solicitar un doctorado en Estados Unidos. Es una excelente serie súper completa: se puede decir que CMUCMU es una flor única en la Facultad de Ciencias de la Computación, con seis departamentos. La investigación es bastante completa y de alto nivel, especialmente en áreas relacionadas con la IA. CMU tiene un departamento más grande y una mayor cantidad de personas, por lo que es mucho menos difícil postularse que las cinco empresas mencionadas anteriormente.
Es más difícil postularse para la excelente serie de programas de doctorado en informática en los Estados Unidos: Princeton/Washington/Cornell/UIUC/Austin/Toronto. Las seis escuelas tienen buena reputación y cada una tiene sus propias ventajas en investigación. Princeton/Washington es más difícil de postular que Cornell/UIUC/Austin/Toronto.
La teoría de Princeton es buena, el departamento es relativamente pequeño y es difícil de aplicar. Le gusta reclutar estudiantes de thupku. El sistema de Washington es de primera categoría y aplicarlo es difícil. No sé por qué. Cornell es relativamente promedio y tiene buenas teorías. En general, sentí que la investigación fue un poco teórica.
Por ejemplo, a un profesor que practica ML en casa le gusta publicar artículos sobre COLTSODA. UIUC es una antigua escuela de ingeniería con un buen sistema. Sin embargo, creo que la clasificación de UIUC está relacionada con la replicación del tamaño del departamento y sus proyectos.
UIUCprof es bastante potente y la cerámica es relativamente útil. La IA de Austin es muy buena y la red tiene un profesor bastante impresionante, pero no sé nada del resto. Toronto es la única escuela fuera de Estados Unidos. Toronto también tiene una buena reputación, sus profesores son de alta calidad y su dificultad de aplicación es comparable a la de otras escuelas estadounidenses en esta categoría.
Personalmente, creo que estudiar una maestría en CA es una buena opción como amortiguador para los solicitantes que aún no lo han descubierto y no pueden pagar las tasas de maestría en los Estados Unidos. La serie American Ivy es más difícil de postular: Yale/Columbia/Brown son las mejores escuelas restantes de Ivy. Muchas de estas tres escuelas tienen graduados de escuelas prestigiosas, pero no muchas están activas.
El departamento es muy pequeño y la dificultad de postulación es relativamente variable. En términos generales, es similar a los seis anteriores. Pero si no tienes un profesor favorito o una Ivy League o quieres cambiar de carrera, te recomendamos que le des prioridad a las seis escuelas mencionadas anteriormente. Es relativamente difícil postularse para programas de doctorado en ciencias de la computación en los Estados Unidos que tienen sus propias especialidades: WISC/UCLA/UMD/Umich/UCSD/UMASS/UNCC/UPENN. La serie de escuelas anterior es básicamente buena. La investigación no es exhaustiva, pero cada una tiene sus propios puntos fuertes.
La dificultad de la solicitud tiene una gran relación con la formación escolar del solicitante. Entre ellos, UCLA es más difícil de postular. WiscDB es bueno, pero parece que algunos nombres importantes se fueron el año pasado. Escuché que algunas personas predicen que saldrá del top 20 dentro de cinco años. Aunque no creo que sea tan exagerado, sí parece que va cuesta abajo. La vista/red de UCLA es bastante buena.
Además, UCLA tiene una base de apoyo muy grande (para informática, las matemáticas son mucho más importantes que la ingeniería) y su ubicación geográfica es bastante buena, por lo que debería tener una ligera ventaja entre este tipo de escuelas.
La desventaja es que los fondos son escasos y hay muy poca gente para contratar. Tanto la IR como la IA de la UMD son buenas. Aquellos que quieran hacer IR también pueden considerar su Escuela de Información. La UMich es una escuela de ingeniería de la vieja escuela. Se siente como UIUC, pero obviamente un nivel más bajo. La investigación en la UMich generalmente está sesgada hacia la ingeniería.
DB debería estar bien. Además, quienes realizan IR pueden considerar la Escuela de Información de la UMich, que es básicamente el tercer programa más importante en los Estados Unidos. UCSD es un buen sistema. La escuela está a sólo 5 minutos de la playa, lo cual es bastante atractivo. El IR/AI de UMass es bastante bueno, especialmente Andrew McCallum que es muy activo.
UNCC tiene bastantes facilidades en gráficos/visuales, pero es bastante débil en otras direcciones. La IA de UPenn es bastante buena y está dirigida por Michael Kearns, famoso en la historia de la IA. Si lo sigues, básicamente no hay problema en tomar la ruta académica.