Machine Learning方向的工作是不是只青睐PHD?钻研ML对求职有帮助么？

题主小白一个，求教育求指导。。现在大四海本CS暑假后就要开始读研(也是CS)，但觉得自己并不适合太偏学术研究所以完全没有以后读PHD的打算，感觉读完研直接工作最好。

在大学期间发现对machine learning挺感兴趣的，假期也和教授作了两年的research，这个领域现在也很火（虽然也经常被黑变的很俗），就想更加深入地去学习。但毕竟最终目标还是找工作，在之前找实习的时候突然有些迷茫，发现不管data scientist还是别的但凡涉及machine learning方向的工作，都多了学历作为第一个大门槛。实习很多都是完全不考虑本科的，有的只喜欢PHD，而不像普通码农类工作感觉主要肯定是靠自己的经历和代码能力。

所以问题来了。如果本身没有读PHD在ML方向深入研究的打算，只靠自学和读研时的一些学习机会，会不会让这方面知识在自己找工作时处于一个尴尬的境地？即：很多普通software engineer没这方面需求，最多会有些加分，但真没需求的话入职也很难用上这些知识。而ML相关岗位本身相对不多，又感觉你一瓶子不满半瓶子晃荡，如果没有大的project的话跟别人比也没什么竞争力。所以，是不是应该确定好方向，老老实实地以提高代码能力为主，定位好自己要找什么工作。既然不打算读博做研究，就不要太想着用ML方面的知识帮自己找相关的工作？

最后说一下，题主也就是做过research上过ML课自己没事了解了解的水平，离大神相距甚远。在不管哪个方面如果是大牛的话自然就不需要学历或者其他认可了，但题主不是，所以才担心自己是不是在做一些无用功。如果读研期间也不会在这方面有什么突破的话是不是一开始就不要太功利而只应该把这个当做个“爱好”？

本人ML水博在读，感觉ML这个方向如果数学背景不强的话基本不可能去做算法的改进，找一个大公司的ML岗位。
但是如果CS的硕士的话，像 clfhaha1234 说的，去找一个小公司的ML岗位或者大公司的非ML组的岗位那还是可以的。
就读博的感受来说,PHD, Doctor of Philosophy, 既然是哲学博士，学的其实是方法论。硕士学的主要进一步的高阶知识和做项目的方法，提升的是工作能力，项目管理能力，coding能力。PhD就很不一样了，不学多少新课程，学的是如何去提出一个研究问题，如何科学地去解决这个问题，培养的是你的独立思考能力，创新能力，大局观和心里素质。
我们把PhD的学习过程叫做training，你phd毕业了以后你应该有能力解决有挑战的问题，并且有能力将一个人培养为Phd。这相当于一种学术能力的专业培养。
想ML的PhD，你不光要能够提出这个问题怎么解决，还要说明为什么可以这么做，效果如何，有什么问题，需要很高的数学能力和和计算机知识的全面掌握。因为你是要去解决一个大问题的，你要提出一种通行的方法，整个行业都能根据你的方法去实践，而且你的方法要很明确地说明原理，并且能够指导其他人去使用你的方法，在适当的时候能有相应的改进。
所以硕士是自己能用就行了，自己懂就行。phd你不光能自己懂，还要能说得清，让别人也能信服，并且能很顺利地使用你的发明，这个要求就高很多。而大公司的项目都是很大很重要的，他们是一定要求你能说得很清楚的，他们不会接受一个不明不白只是看上去可行的方法，如果能不是很有把握地话，没法有针对性地改进，无法达到大公司的需求。他们会对算法的可靠性，复杂度要求很高，因为一点细微的差距最后到产品上意味着非常大成本和营收的差距。
看你的描述肯定不会去读一个PhD了，所以去找份很专业的ML工作不太现实。说实话像我这样的水博是大公司也是没希望的。但是我想说的是，ML是一种工具，你对工具的掌握是其次的，最重要的是你想拿这个工具去干什么？？？？？这里一大串问号。你只是想找个工作？还是想真的做点对这个世界有价值的贡献？ML的技术很多很成熟了，我们不缺技术，我们缺的是运用ML去做出产品，我们缺的是用ML去做有价值的事情。我们是整天去拼算法，还是真真正正的去用ML去解决我们身边的每一个急需的问题？很多领域，像我们日常的App里面，有多少公司去真正用NLP和语音识别让产品更好用，有多少人去用ml解决医疗中的问题？这些问题不需要多强的技术，不要一个phd的能力，要的是有人去做。
所以，把ml当做爱好，思考如何去使用它让生活更便捷才是ml的归宿。

672347250 发表于 2017-4-8 08:44
data analysis和data science区别大么？感觉data analysis的门槛并不高

能码就不要做data，除非data完全是真爱。
能码就不要做data，除非data完全是真爱。
能码就不要做data，除非data完全是真爱。
重要的事情要说三遍

结合自己的经验说一说。我现在在一个大公司的组里面做machine learning，但是并没有触及核心的算法，只是使用已有的算法去解决实际的问题（product），以及如何解决各种infra的问题（infra比ml有时候更加的具有挑战性）。整个公司只有一两个组是专门研究算法的，基本都是各种PHD和神牛，其他大部分组都是在思考如何用他们已有的一些成果，来解决自己组里面所面对的问题。所以，我个人的建议是，除非你对ML的算法痴迷，那么你应该去读一个Phd，否则，读一个master，了解大部分的算法，知道如何运用它们去解决实际问题（做一些side project，kaggle）就足够找一个设计ML的职位了。

自己顶一下，希望有类似经验的前辈能指点一下。。毕竟现在machine learning很火，相信学的人不少。但是不知道这个“学”要学到什么程度才真正能在求职路上有意义。

同关注机器学习

同关注。。准备去读ML的master，但听很多大佬都推荐真的想做ML还是读个phd好...但我不太喜欢学术，更感兴趣的是根据理论调整和优化模型以及用ML解决问题的过程。。唉

Jackey6 发表于 2017-3-24 09:57
同关注。。准备去读ML的master，但听很多大佬都推荐真的想做ML还是读个phd好...但我不太喜欢学术，更感兴趣 ...

我就是跟你差不多，一方面也不是因为热门，而是接触一下感觉machine learning还挺有意思的，而且确实很实用。另一方面本身又不想太学术。。
刚看了另一篇帖子讨论了点相似的内容，好像大多数时候确实只能当加分点而不足以当一技之长。大概还是要以刷题什么的为主，把自己就定位成一个码农。不是PHD或者数学领域学的不够的话找ML方面的工作都会吃亏，还是找正常Software engineer的工作之后再看有没有机会接触ML相关的项目吧。

master去做ML机会会比较少，往ML组的product或者infra职位走门槛低一点，往model和算法走基本是要PHD的，但也有其他例子
1、大公司非热门组做machine learning
2、小的公司做machine learning
不管怎样，先努力寻找machine learning的位置，积累经验，再一步步成长，往更好的位置跳，最终some how 也能达到满意的水平，做上满意的工作

对还没入职还在学校的人来说，ML的项目是装点简历的机会，并且不管ms还是phd，coding能力都是必须的

clfhaha1234 发表于 2017-3-24 11:54
master去做ML机会会比较少，往ML组的product或者infra职位走门槛低一点，往model和算法走基本是要PHD的，但 ...

谢谢指点！果然coding能力才是一切的基础。。

雪橇犬 发表于 2017-3-24 14:37
谢谢指点！果然coding能力才是一切的基础。。

如果真心想做这一块，最好就是去读phd，在ML/AI领域混没有phd是很困难的，而硬要ms也要搞ML的话，也就只能做好心理准备了

clfhaha1234 发表于 2017-3-24 15:12
如果真心想做这一块，最好就是去读phd，在ML/AI领域混没有phd是很困难的，而硬要ms也要搞ML的话，也就只 ...

mark 一下 感谢指点