學Algorithm, Parallel Computing的出路

小弟今年要去念MS in CS
目標是在美國就業
不過對於未來的方向還有些迷惘
即將到了選課的時候
所以上來問問


小弟是EE轉CS
大學時因為學過CAD跟AI所以接觸了一些Algorithms的東西
我還滿喜歡解Algorithms的題目
花時間思考之後解出來很有成就感
若是改良Algorithms能讓performance進步就更有成就感

另外我對於Computer Architecture也滿有興趣的
大學時有花時間學Parallel Programming (pthread / CUDA)
還有一些程式optimization的事情
像是分析CPU的memory access方式
去改良程式
減少cache miss

另外我是個滿喜歡玩Linux的人
之前修OS的時候也覺得很有趣


雖然喜歡解Algorithms的題目
但我不喜歡Theory of Computation方面的東西
之前上過相關的課覺得很痛苦
實在是太理論太抽象了

現在最hot的Machine Learning小弟稍微學過一點
發現沒太大興趣
主要原因是我數學很差
我不喜歡Statistics和Probability相關的東西
Linear Algebra倒是還好
畢竟之前學GPU加速的時候就常常接觸


目前想到未來可能的發展方向
1. High-Performance Computer Architecture的研發(e.g. Google的Tensor Processing Unit)
2. Machine Learning Algorithms的加速
現在有些Deep Learning Framework都會用GPU加速
我覺得資料量越來越大的情況下
這還滿重要的
3. Compiler for Parallel Computing
雖然還沒上過Compiler的課
但我一直覺得Parallel Program都要自己寫真的很麻煩
為何Compiler不能直接把程式變成Parallel的呢
例如打g++ -GPU就自動產生GPU可加速的Parallel Program

不知道產業界有沒有這樣子的工作機會?
小弟大學剛畢業
很多領域都只學得很淺
也沒接觸過產業界
希望地裡的大神們可以給點意見跟方向
感謝

据我所知，现在好一点的compiler都会尽可能 optimize成parallel的。这种工作像nvidia和intel还是比较多的

这个就业太广了，是家公司就需要

你确定申请的学校了吗，我也想做这个方向