2021屆秋招算法崗真的要灰飛煙滅了嗎?
來源｜夕小瑤的賣萌屋加入極市專業(yè)CV交流群，與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度?等名校名企視覺開發(fā)者互動交流！
同時提供每月大咖直播分享、真實項目需求對接、干貨資訊匯總，行業(yè)技術交流。關注?極市平臺?公眾號?，回復?加群，立刻申請入群~
【極市導讀】從18屆的“是否值得進入”到21屆的“灰飛煙滅”，AI算法崗終于從“陽春白雪”轉向踏實落地。顯然，AI行業(yè)也面臨著招聘市場上老生常談的問題：雖然求職者的競爭越發(fā)激烈，企業(yè)卻仍然難以招到合適的人才，雙向選擇遠比想象中更難實現(xiàn)。
知乎網(wǎng)友對于“如何看待2021年秋招算法崗灰飛煙滅？”展開了熱議。在多條優(yōu)質回答中，我們發(fā)現(xiàn)，“項目工程經(jīng)驗”是其中一個高頻關鍵詞。的確，現(xiàn)在已不再是僅靠手推SVM、手握論文就能在算法崗求職路上披荊斬棘、所向披靡的時代了，用人部門更看重的是求職者的工程能力及項目落地經(jīng)歷。
最近，極市平臺舉辦的2020極市計算機視覺開發(fā)者榜單已正式啟動！該賽事旨在培養(yǎng)鍛煉開發(fā)者從算法開發(fā)到落地應用的工程化能力，為渴求實戰(zhàn)經(jīng)驗的你量身打造。大賽基于火焰識別、電動車頭盔識別、后廚老鼠識別、摔倒識別四個賽題，開發(fā)者可全程線上無障礙進行模型開發(fā)訓練、openvino模型轉換、SDK封裝測試等操作。47000+真實場景項目數(shù)據(jù)集，30萬獎勵等你挑戰(zhàn)！點擊閱讀原文即可報名。
算法崗真的灰飛煙滅了嗎？
2014年末入坑AI，一路見證了AI行業(yè)的快速起飛、爆炸、焦慮和冷卻。小夕前幾天在知乎上看到一個問題“如何看待2021年秋招算法崗灰飛煙滅？”被頂上了熱榜。
有點感嘆，怎么就灰飛煙滅了呢？
2018屆的討論：“算法崗是否值得進入？”
2019屆的討論：“怎樣看待算法崗競爭激勵，供大于求？”
2020屆的討論：“算法崗已經(jīng)是一片紅海，諸神黃昏，要不要轉開發(fā)？”
而今年，直接變成“算法崗已經(jīng)灰飛煙滅”啦？
喂喂，是誰帶的節(jié)奏......這車毀人亡的速度也太快了哇。
可事實真的是這樣嗎？還在車上的小伙伴是不是要趕快跳下車？
不！是！噠！
在很多人眼里，AI行業(yè)的崗位數(shù)量變化趨勢是：↘，而涌入這個行業(yè)的人數(shù)變化趨勢是：↗，所以大家普遍認為按照這個趨勢下去該到了灰飛煙滅的程度了。而據(jù)小夕觀測，2018年，企業(yè)主招不夠合適的人；2019年，企業(yè)主招不夠合適的人；2020年，企業(yè)主依然招不夠合適的人！
這說明了什么？
雖然AI行業(yè)涌入的人越來越多，行業(yè)也變得日趨成熟了，競爭有所加劇。但！是！真正導致應屆生一片哀嚎的，不是崗位消失了，而是市場需求變化了，應屆生們卻還停留在幾年前的認知上。
接下來，本文從以下三個層面分析今年的算法崗秋招形勢，并給今年找工作的師弟師妹們給出一些建議。1、“供”與“需”2、“研究”與“落地”3、“夢想”與“現(xiàn)實”“供”與“需”
在2015年、2016年等早些時候，市場普遍認為能手推SVM的應屆生就是優(yōu)秀的，畢竟那時深度學習還是新鮮事物，很多廠都還停留在規(guī)則+統(tǒng)計機器學習的技術棧上嘛。
后來，到了2017、2018年，大廠小廠們瘋狂的拼論文、刷榜單，這時候能發(fā)頂會論文、靠煉丹術刷爆比賽榜單的應屆生自然就成了香餑餑，而這時候那些思維還停留在白板手擼SVM的應屆生們就開始一片哀嚎，“為啥我已經(jīng)可以5分鐘全程推導SVM了還是拿不到offer哇！”，于是抱怨“2019屆太難了！供過于求，我們被剩下了！”
再后來，時間線進展到去年和今年，各種AI Lab開始“名存實亡”，大小廠們都開始認真考慮AI的落地和變現(xiàn)問題，不再那么熱衷于秀論文&刷榜單了。然而，應屆生們終于認識到，“只會推導SVM是不夠的！我要開始憋論文了！”于是憋了一兩年，終于有了一篇論文，然后發(fā)現(xiàn)“哇，為什么我有論文你們都不要我！算法崗灰飛煙滅了哇”
最近又看了一些粉絲和師弟師妹們發(fā)來的簡歷，越發(fā)感到這個“供”與“需”錯位的嚴重性。需求方已經(jīng)從研究導向轉變到落地應用導向了，而作為供給方的很多應屆生們依然思維停留在幾年前的“進企業(yè)搞研究刷榜單”的舊思維上。努力錯了方向，自然眼中滿滿的都是“市場飽和，灰飛煙滅”的景象。甚至，已經(jīng)2020年了，我還能在一些簡歷中看到“熟練推導決策樹、邏輯回歸、SVM等常用機器學習算法”這樣的表述，實在是有些無力吐槽了。
“研究”與“落地”
沒錯，2019屆，手握一兩篇不錯的paper，有幾個含金量不錯比賽的Top10經(jīng)歷，混混大廠實習，就夠收割offer到手軟了。無論技術研究部門還是業(yè)務部門。
去年，也就是2020屆秋招，我驚恐的發(fā)現(xiàn)，怎么一些大廠技術研究部門/團隊的研究類崗位的招聘bar提高了這么多？有頂會，有比賽，有實習，但是都不給面試資格？有SQuAD Top3的經(jīng)歷還要再考慮下？
看了看手里的一沓簡歷，想了想那捉襟見肘的head count數(shù)量，哦，確實優(yōu)秀的候選太多了。手里有兩三篇頂會的同學已經(jīng)夠多了，咱們只有一個研究崗hc，其余這些就都刷掉吧╮(￣▽￣"")╭（雖然這些簡歷被刷的同學放在2017、2018年，很可能是SP甚至SSP的水平）。
但是！在去年這種看似非常慘烈的情況下，照樣有《輕松收割一二十個offer，拿SSP offer也沒有太大壓力》的師弟師妹！如果參考上面這段描述，你可能覺得“那不得是神仙哇？10篇ACL的那種？？”
錯了錯了！一篇ACL都沒有，卻輕松干掉了手握幾篇頂會的同學，還拿了各大廠核心團隊的SSP offer。
我的一個可愛小師弟就是這方面的范例。
為什么呢？并不是說算法崗真的已經(jīng)內(nèi)卷到非神仙不要的程度了，而是說，市場對優(yōu)秀人才的定義已經(jīng)發(fā)生了變化。現(xiàn)在市場最迫切需要的是能把AI落地，能求解真實業(yè)務問題的工程師，注意是工程師！只會侃侃而談學術動態(tài)，卻不具備能力求解真實業(yè)務問題的人，放在今年的工業(yè)界是相當不優(yōu)秀的。哪怕是在技術研究部門，如果只會寫paper卻解不動真實業(yè)務問題，也是相當容易被動的。
未工作之前，大家對工作場景的想象更多的是“我復現(xiàn)了一篇paper，所以我求解了一個業(yè)務問題”。而實際上，在一些重要的AI商業(yè)化場景（如搜索、推薦、計算廣告），有大量的問題是當今學術界的這些論文解決不了的，而這些問題切實的關系到產(chǎn)品的用戶體驗和變現(xiàn)能力。而求解這些業(yè)務問題，并不是復現(xiàn)一兩篇論文就結束了，而是你要無所不用其極，或許是迭代模型，或許只是迭代數(shù)據(jù)，或許是拍腦袋的訓練策略，或許要進一步拆解問題甚至重新建模，或許僅僅是生寫一千條規(guī)則，甚至是死磕自上而下的性能優(yōu)化，乃至考慮從產(chǎn)品維度推動解決問題。
而這一切的背后，依托的不僅是業(yè)務經(jīng)驗（這就是為什么對口的實習經(jīng)歷很重要），更重要的是過硬的工程能力。至于學術上的創(chuàng)新，是錦上添花而不是必要條件。
舉個實際場景中的例子。
你可能遇到了一個難解的算法問題，于是你拿來BERT、XLNet、RoBERTa一頓猛調，終于把指標刷上去一大截。但！是！你發(fā)現(xiàn)根本上不了線哇，幾百上千臺的線上GPU機器依然遠遠扛不住模型的計算復雜度。怎么辦呢？
有人說，好像XX廠剛出了一篇做知識蒸餾的paper，聲稱在GLUE上面獲得了重大提升......
too naive！
然后你發(fā)現(xiàn)，哪怕用上幾臺V100來跑，也要跑上十天半個月，還是收益未知的，誰會等你復現(xiàn)paper呢？創(chuàng)新就更無從談起了。
學術經(jīng)驗僅僅是決策的一方面，你知道這個paper沒必要復現(xiàn)，但是或許有的結論你可以借鑒。更重要的是靠多年的煉丹直覺+工程能力，快速搭建一個簡單粗暴、易于實施且預期有迭代空間和足夠不錯的起點的基線，然后才是堆砌多年積累的上分tricks，快速刷分。雖然下一步就是要搞創(chuàng)新了，不過堆tricks上分這一步完成后，在業(yè)務部門很多場景下其實問題已經(jīng)解了，就可以考慮下一個問題了。顯然，如果是到此為止的話，手速和代碼質量才是最重要的，至于你的學術sense，sorry還沒來得及發(fā)揮，leader說已經(jīng)可以考慮開始下個需求了。
遺憾的是，現(xiàn)在市場上大部分的算法崗都是這種程度的。你可以考慮一下，這種情況下，你簡歷上就掛著幾條不痛不癢的水文，你能證明自己的優(yōu)勢嗎？灰飛煙滅也不足為奇吧。
于是，有人會覺得在技術研究部門情況會好些？
nono，這時候你要面對的問題難度可能要上升一個level了，你發(fā)現(xiàn)完成上一步堆tricks刷分之后還是無法求解這個問題。于是終于有追前沿、搞創(chuàng)新的理由了。然后，這時候你以為就可以整體泡著茶看看paper，跟小伙伴們愉快的討論學術idea？
天真了=，=
你會面對更大的壓力，會對你的coding能力、煉丹速度和學術sense同時提出更大的挑戰(zhàn)，畢竟別人寫的1000行代碼，那都是十之八九要上線產(chǎn)生收益的，而你的代碼，又難，又容易出錯，收益還未知，學術sense差點的小伙伴可能一周下來全是fail的實驗，coding能力差的小伙伴可能一周下來就是一個fail的實驗╮(￣▽￣"")╭
于是，你為了對抗這種不確定，保證每周都有正向產(chǎn)出，你只能有更快的手速、更多的策略迭代以及擠出時間盡可能的從近期的paper找下靈感。這種感覺跟在學校實驗室開心的做科研完全不同的好吧！
當然，現(xiàn)在國內(nèi)的工業(yè)界依然存有非常少量的團隊，依然在快樂的做著不過問業(yè)務和落地的研究。在那里或許你可以繼續(xù)找回在學校實驗室做科研的感覺，但是，或許你要考慮一下你決定赴身工業(yè)界的目的是什么？快樂的理想派研究是不是就是你的全部訴求？是不是無所謂升職加薪與可持續(xù)性的那種？對大部分人來說，是矛盾的，需要做出一個選擇。
“夢想”與“現(xiàn)實”
可能是因為技術研究部門往往可以回避一些業(yè)務上的dirty work，更加專注在算法研究上，于是很多小伙伴會蜜汁嚷嚷著要去大廠做研究。就像之前在這篇《拒絕跟風，談談幾種算法崗的區(qū)別和體驗》中提到的，不同定位的算法崗都會有其存在的問題，也都會有其相應的優(yōu)勢。夢想是要有的，但是更重要的是認清自己，選擇最適合自己、最契合實際的道路。從性格上來講，如果你像小夕一樣，喜歡死磕一些比較困難的算法問題，idea豐富，喜歡試錯和追前沿，又有還不錯的煉丹直覺和動手能力，那么說明你最少具備勝任偏研究性質算法崗的基本素質。如果背景、經(jīng)歷和熱情都夠，那么就勇敢嘗試去有核心業(yè)務支撐的技術研究部門/團隊吧，在這里你能更加充分地釋放自己的潛力，發(fā)揮自己的價值。
當然啦，按照去年和今年的形勢，雖然碩士僅憑一篇普通的AAAI、IJCAI論文，一般不足以讓你找到一個靠譜的research團隊，但是，憑借頂會經(jīng)歷（背景好的話沒頂會也有機會）去心儀團隊做research intern，然后在實習期間產(chǎn)出研究成果得到認可進而轉正，也往往是比較可行的道路。當然啦，還有一條路，就是成為神仙，用學術成果和影響力證明自己。
一句話總結，除非性格合適，背景、科研sense和手速真的還不錯，否則2021年謹慎死磕研究型算法崗。
如果你真的喜歡算法（準確說是熱愛AI），已經(jīng)上了算法的車，又有了一些積累，下車的代價也比較高了，那么，不管你是CV、Speech、NLP還是IR、Rec、DM，請務必重點提高自己的工程能力，努力讓自己成為一個機器學習全棧工程師——不會寫paper但跟得上前沿，寫得了規(guī)則修得了badcase，能煉丹上分也會部署模型，Java/C++跟Python一樣熟練。那么是非常容易得到青睞的。如果這時，你還有學術sense，發(fā)表了一些不錯的論文，或者有更硬核的機器學習系統(tǒng)優(yōu)化經(jīng)驗甚至更底層的開發(fā)和優(yōu)化能力（如CUDA），那我相信你肯定不會灰飛煙滅的，最起碼不會感覺到很被動。
一句話總結，對大部分2021年應屆生而言，會寫系統(tǒng)，比會寫論文更重要。
如果還在猶豫要不要上車算法，或者上車后基本沒什么積累，自己的學校、基礎和興趣又都非常一般，僅僅是希望找到一份薪資還不錯的IT方面的工作，那么果斷下車吧，去轉Java開發(fā)，尤其是應用開發(fā)，AI流行之前的10分資歷如今或許只需要7分就能夠到offer的bar了，也更容易談到更好的薪資。
一句話總結，無背景、無經(jīng)歷、無興趣、一心只為高薪的三無人員建議下車。
總之，雖然大家都在唱衰算法崗，瘋狂勸退，但是對于已經(jīng)上車的師弟師妹，除了徒增焦慮也沒什么用了（下車代價可能更大），因此不如好好琢磨一下你現(xiàn)在會什么，簡歷上有什么，以及市場需要什么。
2021屆了，用人單位依然招不到合適的人，應屆生們依然在抱怨優(yōu)秀而努力的自己遇不到伯樂。放棄焦慮吧！2021屆秋招算法崗沒有灰飛煙滅。
推薦閱讀
添加極市小助手微信（ID : cv-mart），備注：研究方向-姓名-學校/公司-城市（如：目標檢測-小極-北大-深圳），即可申請加入極市技術交流群，更有每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、行業(yè)技術交流，一起來讓思想之光照的更遠吧~
△長按添加極市小助手
△長按關注極市平臺，獲取最新CV干貨
覺得有用麻煩給個在看啦~??
