「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。
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。」
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）。
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。」
「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。」
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