機器學習內卷化：博士數量激增，本碩畢業生有點慌 | reddit熱議
沒博士學位，我拿什么競爭？
子豪 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
一入ML深似海，從此求職不由人？
機器學習現在勢頭正勁，越來越多的人涉足其中，就業門檻也隨之抬高。
最近，就有人在reddit上提出疑問：ML博士數量激增，那么沒博士學位的人，找工作的難度是不是會翻N倍？
一位用戶名為shyneeup的網友指出：就業難度取決于崗位和博士哪個數量增長的更快。
還有網友從高校和職位定位的角度進行了分析：
“由于衡量大學的關鍵指標之一，就是畢業1年和5年后的就業率，因此頂尖大學會調整錄取率，以確保市場能夠為畢業生提供就業機會。”
“ML領域發展過快，可能需要幾年時間，以達成行業共識：什么職位對公司的ML有用，以及什么樣的人能勝任？”
學位不是唯一標準
那么，機器學習的就業狀況究竟如何？
有網友表示：搜索最心儀的工作崗位時，很多都寫明了博士優先，或是要求有博士學位。
但這并不絕對，有位網友就貼出了自己的“逆襲”經歷。
“我現在和之前的工作，都要求博士學位，但我并沒有。還有個朋友獲得了大廠需要博士學位的工作，他甚至連學位都沒有。
每個人的優勢不同，具有博士學位、領域知識、特定技術、CICD（一種交付應用的方法）經驗等等，至于哪種優勢有利，取決于其對團隊的價值。”
就連招聘者也表示：雇傭數據科學家時，并不在乎是否有博士學位，將博士和非博士混合錄用會更好，發揮在學術和實踐上不同的優勢。
還有網友給出了更具體的職業發展路徑。
“完全沒有學位會確實是短板，但是隨著時間推移，工作經驗變得更為重要。具有1年經驗的學士往往比碩士更受青睞。
在AI創業公司工作1年，再跳槽到行業獨角獸，也是可能的。不過，以研究為中心的職位對學位的要求更高。”
“大多數做AI的公司不需要研究晦澀算法的人，而是需要能應用方法、部署方案，并將其集成到產品中的人，也就是有經驗的員工，而不是博士。”
博士也有短板？
有網友表示，博士也會受限制：
“博士學位是雙刃劍。因為博士是某一方面的專家，這也意味著ta不再是通才，在求職時也會受到限制。”
更是有網友直接指出：博士才是風險所在……
“他們往往過于專業，缺乏商業意識、領域知識，而且不善于合作和溝通。要根據經驗招聘，降低風險。”
跨界就業
shyneeup還提到，機器學習博士還可以去一些建立了AutoML平臺的公司。
不過，有人提出了異議：
“除了一些科技巨頭中純粹的ML工作，或是自己單干，否則根本用不到ML研究人員。”
shyneeup對此回應道：
“這些科技巨頭之所以擁有這樣的隊伍，是為了出售ML技術。其中的ML工作人員不是開發模型，而是從事可視化等其他工作。”
不是所有工作都需要博士
此外，包括shyneeup在內的許多網友都表示：不是所有ML工作都需要博士學位。
“如果公司的定位是開發ML模型，主要成果是專利或論文，那么團隊至少需要幾個博士。
而如果只是在不同的數據集上使用ML，為研究數據產品恰好使用了ML，那么也許不需要ML博士，不過程序員最好能閱讀論文。”
“實際上，只有不到5%的ML和數據科學工作需要博士學位。”
還有人認為，英雄不問出處，是金子在哪都能發光。
“沒有博士學位很難進入大公司，但在初創公司卻更容易證明自己的價值。”
那么，對于機器學習er讀博與就業的關系，你怎么看？
reddit地址：
https://www.reddit.com/r/MachineLearning/comments/mgf9tf/d_if_the_number_of_machine_learning_phd_graduate/
- 魔改宜家燈泡當主機，玩轉《毀滅戰士》無壓力！網友：遠超我家第一臺電腦2021-06-17
- 蘋果為了不讓AirTag被用來跟蹤，將推出一個安卓應用2021-06-17
- 中國程序員開發的遠程桌面火了！Mac可用，只有9MB，支持自建中繼器2021-06-17
- 亞馬遜員工流動率150%，每8個月相當于“大換血”，網友：貝佐斯不知足2021-06-16
相關閱讀
