機(jī)器學(xué)習(xí)內(nèi)卷了嗎？
「沒(méi)有博士學(xué)位，在機(jī)器學(xué)習(xí)領(lǐng)域就業(yè)會(huì)變得越來(lái)越難嗎？」最近，一個(gè) Reddit 熱帖引發(fā)了大量討論。
對(duì)于單個(gè)研究者、從業(yè)者來(lái)說(shuō)，毫無(wú)疑問(wèn)，機(jī)器學(xué)習(xí)領(lǐng)域確實(shí)「卷」起來(lái)了。這幾年來(lái)，仿佛每個(gè)人都在搞機(jī)器學(xué)習(xí)，在這個(gè)領(lǐng)域取得博士學(xué)位的人也急劇增加。一方面，AI 技術(shù)的高速發(fā)展并走向落地，創(chuàng)造了大量與機(jī)器學(xué)習(xí)有關(guān)的崗位和工作內(nèi)容；一方面，大量人才的涌入，讓這個(gè)領(lǐng)域的就業(yè)門檻被不斷抬高……有人說(shuō)，人工智能將成為下一個(gè)「天坑」專業(yè)。身處浪潮之中，我們?nèi)绾巫蕴帲?/span>博士學(xué)位和 ML 工作的關(guān)系根據(jù)發(fā)帖者的描述，發(fā)帖人認(rèn)為從事機(jī)器學(xué)習(xí)的研究者太多了，如果沒(méi)有博士學(xué)位，可能很難找到工作。對(duì)此，有網(wǎng)友表示，「這取決于機(jī)器學(xué)習(xí)相關(guān)工作的增長(zhǎng)速度是比 ML PhD 增長(zhǎng)速度慢還是快。但是，并不是所有的 ML 工作都需要 PhD。比如 ML 工程師工作，他們更關(guān)注 ML 模型的基礎(chǔ)和部署，而不是開(kāi)發(fā)。」「與此同時(shí)，自動(dòng)化工具和 AutoML 平臺(tái)正在創(chuàng)建中，目前許多正在招聘 PhD 的公司可能不再需要專業(yè)知識(shí)很強(qiáng)的研究人員。在未來(lái)，從事 ML 工作的 PhD 很可能會(huì)為那些構(gòu)建自動(dòng)化 ML 平臺(tái)的公司工作。」
也不是所有機(jī)器學(xué)習(xí)領(lǐng)域的工作都需要博士學(xué)位。機(jī)器學(xué)習(xí)領(lǐng)域的工作和企業(yè)種類繁多，實(shí)際上很難一概而論。最終結(jié)果取決于所從事工作的類型：創(chuàng)造一種新的機(jī)器學(xué)習(xí)方法，代替 CNN、Transformers 等，主要產(chǎn)出是專利或發(fā)表的論文；
只是在不同數(shù)據(jù)集上使用機(jī)器學(xué)習(xí)模型，主要產(chǎn)出是某個(gè)數(shù)據(jù)產(chǎn)品（恰好開(kāi)發(fā)過(guò)程中使用了機(jī)器學(xué)習(xí)而已）。
如果是前者，那這個(gè)團(tuán)隊(duì)確實(shí)需要幾個(gè)協(xié)作推動(dòng)研究的博士；如果是后者，就不一定了（盡管理想中程序員最好也具備讀論文的能力）。
可能大家都認(rèn)為，學(xué)歷高了，自然就好找工作。但是對(duì)于沒(méi)有博士學(xué)位的人，工作狀況又如何呢？有網(wǎng)友表示，「我現(xiàn)在的工作以及以前的工作都要求有 PhD。雖然我沒(méi)有，但兩個(gè)公司都接受了我。我有個(gè)朋友 ta 的公司也要求有 PhD，同樣，他也沒(méi)有。」「公司會(huì)雇傭那些他們認(rèn)為能夠填補(bǔ)團(tuán)隊(duì)技能缺口、幫助完成工作的人，但這并不意味著有 PhD 不是一種優(yōu)勢(shì)。擁有 CICD 經(jīng)驗(yàn)是一種優(yōu)勢(shì)，擁有領(lǐng)域知識(shí)也是一種優(yōu)勢(shì)…… 公司想要雇傭哪種員工，取決于這個(gè)人給團(tuán)隊(duì)帶來(lái)的價(jià)值。」
「我雇傭數(shù)據(jù)科學(xué)家，我真的不在乎有沒(méi)有 PhD。可以將有無(wú) PhD 進(jìn)行混合，這樣會(huì)更好。我發(fā)現(xiàn) PhD 不太愿意去做那些在工業(yè)上大量應(yīng)用 ML 工作。他們更傾向于學(xué)術(shù)上的內(nèi)容、創(chuàng)造性低。這是因?yàn)樗麄兛赡芨蕾囉趯W(xué)術(shù)和既定的最佳實(shí)踐，并且年齡相同但具有豐富行業(yè)經(jīng)驗(yàn)的人可能會(huì)更加務(wù)實(shí)。因此將 PhD 和非 PhD 混合使用非常有用。」
換個(gè)具體點(diǎn)的角度來(lái)說(shuō)，從人才招聘的操作上看，世界上肯定會(huì)有很多沒(méi)有博士學(xué)位的卓越人才，但 HR 為什么要費(fèi)更多的精力去尋找這些人，而不是直接在豐富的博士人才庫(kù)挑選呢？「有趣的是，每當(dāng)討論類似問(wèn)題時(shí)，都會(huì)有討論試圖列出大量證據(jù)，表明自己遇見(jiàn)過(guò)哪種不靠譜的博士。但當(dāng)我們搜索機(jī)器學(xué)習(xí)領(lǐng)域的好工作時(shí)，仍然發(fā)現(xiàn)博士學(xué)位是首選。」在這個(gè)帖子的下面，還有不少網(wǎng)友給出了自己的看法和建議。如果你有更好的看法，歡迎在評(píng)論區(qū)與我們分享。https://www.reddit.com/r/MachineLearning/comments/mgf9tf/d_if_the_number_of_machine_learning_phd_graduate/往期精彩：
【原創(chuàng)首發(fā)】機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)30講.pdf
【原創(chuàng)首發(fā)】深度學(xué)習(xí)語(yǔ)義分割理論與實(shí)戰(zhàn)指南.pdf
談中小企業(yè)算法崗面試
算法工程師研發(fā)技能表
真正想做算法的，不要害怕內(nèi)卷
算法工程師的日常，一定不能脫離產(chǎn)業(yè)實(shí)踐
技術(shù)學(xué)習(xí)不能眼高手低
技術(shù)人要學(xué)會(huì)自我營(yíng)銷
做人不能過(guò)擬合
點(diǎn)個(gè)在看
