ML/DS MS找工作真有那么不堪吗

你可以申请非语音的PHD呗，做Data Mining, NLP, Text Mining之类方向。

如果是ML来说，我觉得，真正需要PHD的岗位太少了，其实大家说的data scientist, 其实就是默认在做ML，实际中十分不是，市场上很大一部分DS其实是做产品相关，一大波A/B Testing，这类工作其实以前就叫statistician, 统计硕足以，统计PHD当然更好，设计实验也是技术活， 转行的就要学好统计，但是你说要接触很多建模的东西，可能工作中只有很少部分或者压根没有，面试SQL必须溜（Orz）， 例如亚麻DS/BIE， Facebook非Core DS， Airbnb的DS分析/Testing的组等等。

真正做ML多的，就是大厂的research类职位，还有一大票中小型公司或者大公司刚建DS职位，大厂的ML, Deep Learning玩到飞起， 对口统计/CS/甚至物理PHD肯定是加分的， 如果是强行转行的PHD大概不会比cs/统计硕有多少优势，但是坑肯定是少之又少，你看Offer版多久才报一个Offer， 不是有朋友传言LinkedIn啥的一个月才Sponsor了一个DS的坑么（另外LinkedIn的DS也有是做Testing方向的）？  真正坑还算多的建模类职位，是一大票刚建Data Scientist Team的公司， 因为什么都没有，自然要找些通才来啥都干，各类Predictive Model是必须的，但是在这些地方，调包肯定也是必须的，太多公司连怎么把Model放到网站上面部署都没搞明白，宁愿要个CS硕士， 后端开发兼职搞搞ML都比PHD来看一堆文献改算法实际啊，真正需要改算法、不调包的建模职位，只有大厂配备牛逼SDE团队才能真正支持好的。

所以要接触大量建模的工作，还是ML Engineer的职位最好使。。用Python建Prototype的，估计也就整体求爷爷求奶奶让别人帮你上线了（一个准备为了当更好的DS而在职转CS的水货DS自白，大牛请忽略）。。

嗯跑题了。。如果楼主申的是比较好的科班NLP/语音PHD，去大厂还是希望满满的，但是要是非大厂。。估计需求真不是那么大

楼上的在理
小厂的缺点是data infra不成熟，码的技术不行根本就上不了线，最终沦为analytics
另外必然会花很多时间搞pipeline, feature engineering
建模这件事is overrated

好好刷题
ML的MS找工作没有任何问题

楼主别慌，申请语音的phd全聚德现在是常态。美国传统语音学校大概有uw, Berkeley, ucla, Chicago/TTIC, UIUC, Missouri-Columbia, CMU, Georgia Tech, UTDallas, MIT, Columbia, Johns Hopkins, UMD. 现在还在坚持的所剩无几，我所了解的speech enhancement/denoising只有ucla和Dallas比较坚挺。ASR只有cmu, Georgia tech, ttic和jhu。大部分原因是教授的funding不好拿了，所以找人计划很少。另外实验室的数据和计算资源稍尴尬。一些领域内的研究员开始转型做nlp相关的任务，因为工业界的speech一统江湖了，实验室数据刷不过。尽管speech很多问题没解决，但是who cares？

我觉得现在的优势组合是ML/DL的功底(毕竟调参也是要内功的), 加上自己的domain knowledge。所以我觉得不用担心你未来的出路。毕竟你还是要在几类数据上实验的(如果不是做learning theory)。speech, NLP, vision本来都是技术彼此借鉴。现在text逐渐大热，vision感觉到了一个峰值，speech衰退。万一等你博士毕业了，speech又风骚了呢。毕竟从sequential data来看，方法论差不多，所以暂时弱化domain，没毛病。

最后，工业界的职位和学术界要求不大一样。工业界招phd也是为产品服务的，考察你的背景知识以及解决问题的能力，所以我觉得不管什么领域，有ml/dl背景都是超级加分项。而学术界难多了，要在圈子里有小名气或者是rising star，如果你博士毕业要做教授，那就要想办法在大热的ml/dl时代胜出了。另外，我好像没听说美国这里近几年有新晋speech方向的ap。

不是大佬，手机码字，语无伦次，见谅🤓