來源：量子位

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/

（聲明：本文僅代表作者觀點，不代表新浪網立場。）