论呆板进修规模的内卷:不读PhD,我配不配找事情?

呆板进修内卷了吗?

「不博士学位,在呆板进修规模就业会变得越来越难吗?」最近,一个 Reddit 热帖引发了少量计划。

论呆板进修规模的内卷:不读PhD,我配不配找事情?

对于单个研究者、从业者来说,毫无疑问,呆板进修规模确实「卷」起来了。这几年来,仿佛每个人都在搞呆板进修,在这个规模取得博士学位的人也急剧增加。

一方面,AI 技术的高速发展并走向落地,创造了少量与呆板进修有关的岗位和事情内容;一方面,少量能人的涌入,让这个规模的就业门槛被不断抬高……

有人说,人工智能将成为下一个「天坑」专业。身处浪潮之中,我们如何自处?

博士学位和 ML 事情的关系

根据发帖者的描述,发帖人认为处置呆板进修的研究者太多了,如果不博士学位,能够很难找到事情。对此,有网友表示,「这取决于呆板进修相关事情的增长速度是比 ML PhD 增长速度慢还是快。但是,并不是所有的 ML 事情都必要 PhD。比如 ML 工程师事情,他们更关注 ML 模型的基础和部署,而不是开发。」

「与此同时,自动化工具和 AutoML 平台正在创建中,目前许多正在应聘 PhD 的公司能够不再必要专业知识很强的研究人员。在未来,处置 ML 事情的 PhD 很能够会为那些构建自动化 ML 平台的公司事情。」

论呆板进修规模的内卷:不读PhD,我配不配找事情?

也不是所有呆板进修规模的事情都必要博士学位。呆板进修规模的事情和企业种类繁多,实际上很难一概而论。最终结果取决于所处置事情的类型:

创造一种新的呆板进修方法,代替 CNN、Transformers 等,主要产出是专利或发表的论文;

只是在不同数据集上运用呆板进修模型,主要产出是某个数据产品(恰好开发过程中运用了呆板进修而已)。

如果是前者,那这个团队确实必要几个协作推动研究的博士;如果是后者,就不一定了(尽管理想中程序员最好也具备读论文的能力)。

论呆板进修规模的内卷:不读PhD,我配不配找事情?

不唯学力论

能够大家都认为,学力高了,自然就好找事情。但是对于不博士学位的人,事情状况又如何呢?有网友表示,「我现在的事情以及以前的事情都要求有 PhD。虽然我不,但两个公司都接受了我。我有个朋友 ta 的公司也要求有 PhD,同样,他也不。」

「公司会雇用那些他们认为能够填补团队技能缺口、帮助完成事情的人,但这并不意味着有 PhD 不是一种劣势。拥有 CICD 经验是一种劣势,拥有规模知识也是一种劣势…… 公司想要雇用哪种员工,取决于这个人给团队带来的价值。」

论呆板进修规模的内卷:不读PhD,我配不配找事情?

「我雇用数据科学家,我真的不在乎有不 PhD。可以将有无 PhD 进行混合,这样会更好。我发现 PhD 不太愿意去做那些在工业上少量应用 ML 事情。他们更倾向于学术上的内容、创造性低。这是因为他们能够更依赖于学术和既定的最佳实践,并且年龄相同但具有丰富行业经验的人能够会更加务实。因此将 PhD 和非 PhD 混合运用非常有用。」

论呆板进修规模的内卷:不读PhD,我配不配找事情?

换个具体点的角度来说,从能人应聘的操作上看,世界上肯定会有很多不博士学位的卓越能人,但 HR 为什么要费更多的精力去寻找这些人,而不是直接在丰富的博士能人库挑选呢?

「有趣的是,每当计划类似问题时,都会有计划试图列出少量证据,表明自己遇见过哪种不靠谱的博士。但当我们搜索呆板进修规模的好事情时,仍然发现博士学位是首选。」

在这个帖子的下面,还有不少网友给出了自己的看法和建议。如果你有更好的看法,欢迎在评论区与我们分享。

参考链接:

[D] If the number of machine learning PhD graduate is increasing rapidly, wouldn’t it get exponentially harder to be hired at machine learning related jobs without PhD?
byu/Superb-Drawer5214 inMachineLearning

给TA打赏
共{{data.count}}人
人已打赏
AI

CVPR 2021 | 翻新奇智首次提出零样本实例支解,助力解决工业场景数据瓶颈难题

2021-3-31 9:39:00

AI

ARM最新回应:新架构Armv9不受美国出口管理条例约束,华为可获受权

2021-3-31 17:01:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
有新私信 私信列表
搜索