机器学习内卷化:博士数量激增,本硕毕业生有点慌 | reddit热议

13天前 49 阅读 ID:319
量子位
量子位

一入ML深似海,从此求职不由人?

机器学习现在势头正劲,越来越多的人涉足其中,就业门槛也随之抬高。

最近,就有人在reddit上提出疑问:ML博士数量激增,那么没博士学位的人,找工作的难度是不是会翻N倍?

一位用户名为shyneeup的网友指出:就业难度取决于岗位和博士哪个数量增长的更快

还有网友从高校和职位定位的角度进行了分析:

“由于衡量大学的关键指标之一,就是毕业1年和5年后的就业率,因此顶尖大学会调整录取率,以确保市场能够为毕业生提供就业机会。”
“ML领域发展过快,可能需要几年时间,以达成行业共识:什么职位对公司的ML有用,以及什么样的人能胜任?”

学位不是唯一标准

那么,机器学习的就业状况究竟如何?

有网友表示:搜索最心仪的工作岗位时,很多都写明了博士优先,或是要求有博士学位。

但这并不绝对,有位网友就贴出了自己的“逆袭”经历

“我现在和之前的工作,都要求博士学位,但我并没有。还有个朋友获得了大厂需要博士学位的工作,他甚至连学位都没有。
每个人的优势不同,具有博士学位、领域知识、特定技术、CICD(一种交付应用的方法)经验等等,至于哪种优势有利,取决于其对团队的价值。”

就连招聘者也表示:雇佣数据科学家时,并不在乎是否有博士学位,将博士和非博士混合录用会更好,发挥在学术和实践上不同的优势。

还有网友给出了更具体的职业发展路径

“完全没有学位会确实是短板,但是随着时间推移,工作经验变得更为重要。具有1年经验的学士往往比硕士更受青睐。
AI创业公司工作1年,再跳槽到行业独角兽,也是可能的。不过,以研究为中心的职位对学位的要求更高。”
“大多数做AI的公司不需要研究晦涩算法的人,而是需要能应用方法、部署方案,并将其集成到产品中的人,也就是有经验的员工,而不是博士。”

博士也有短板?

有网友表示,博士也会受限制:

“博士学位是双刃剑。因为博士是某一方面的专家,这也意味着ta不再是通才,在求职时也会受到限制。”

更是有网友直接指出:博士才是风险所在……

“他们往往过于专业,缺乏商业意识、领域知识,而且不善于合作和沟通。要根据经验招聘,降低风险。”

跨界就业

shyneeup还提到,机器学习博士还可以去一些建立了AutoML平台的公司

不过,有人提出了异议

“除了一些科技巨头中纯粹的ML工作,或是自己单干,否则根本用不到ML研究人员。”

shyneeup对此回应道:

“这些科技巨头之所以拥有这样的队伍,是为了出售ML技术。其中的ML工作人员不是开发模型,而是从事可视化等其他工作。”

不是所有工作都需要博士

此外,包括shyneeup在内的许多网友都表示:不是所有ML工作都需要博士学位。

“如果公司的定位是开发ML模型,主要成果是专利或论文,那么团队至少需要几个博士。
而如果只是在不同的数据集上使用ML,为研究数据产品恰好使用了ML,那么也许不需要ML博士,不过程序员最好能阅读论文。”
“实际上,只有不到5%的ML和数据科学工作需要博士学位。”

还有人认为,英雄不问出处,是金子在哪都能发光。

“没有博士学位很难进入大公司,但在初创公司却更容易证明自己的价值。”

那么,对于机器学习er读博与就业的关系,你怎么看?

reddit地址:
https://www.reddit.com/r/MachineLearning/comments/mgf9tf/d_if_the_number_of_machine_learning_phd_graduate/

—完—

@量子位 · 追踪AI技术和产品新动态

深有感触的朋友,欢迎赞同、关注、分享三连վ'ᴗ' ի ❤

免责声明:作者保留权利,不代表本站立场。如想了解更多和作者有关的信息可以查看页面右侧作者信息卡片。
反馈
to-top--btn