只读研究生申machine learning人工智能相关工作比较尴尬

大家好，我是新手 第一次发帖。刚刚在北美比较知名的大学研究生毕业，北美本科cs+研究生ml。就是想感慨下，读machine learning， data science相关专业，只读到研究生好像真的不容易在加拿大找到合适的工作。大公司搞ml和AI只招博士生，小公司也更倾向招博士，ml研究生显得比上不足比下有余。本科毕业是做dev的，纯码农时期申知名科技企业其实还蛮容易的，只刷leetcode差不多了。现在多读了个master，想搞ml，反而找工作比以前难很多，不只要刷题，还要会ml各种统计学数学知识，要会做research，要熟知各种paper，最好自己还会写paper，要会系统设计，工资也没比dev多多少。有点迷茫，不知道要不要转回纯dev。想读AI，ml研究生的同学，要不就读到博士，要不还是别搞了，很多公司真的比较看学历。

其实我觉得研究生搞ml足够了，又不是每个公司都要发表新的research paper，只是建model做产品这种实用工作的话，会编程有实际操作经验的研究生其实可能比专注搞paper的博士生更适合。奈何公司们不理解这个。

不管怎样，既然已经选了一条喜欢的路，加油走下去吧。

辣鸡ml吃枣药丸

说实话，现在谁都敢往自己简历上写是做ml的。感觉这个词，对应的人，好一点的是overrated statistician，水一点的那真的就是under-qualified Python dev了
人生四大错觉：手机震动、我能反杀、她喜欢我、做ml高cs ce别的领域（或者说dev）一等/用tensorflow pytorch比写纯python要难

对大公司
建议可以刷题当software engineer先get into the door

然后在bootcamp或者team match的时候说你有ml的经验想去做ml多的组
实在不行就忍半年内部转租

MLE基本不招ms new grad, 但是却经常能看到一堆以swe招进去的工程师在干machine learning的活
很多的组，实际上都想往自己的东西里加进ml，但他们往往不会招mle(如果找，肯定也是要senior), 而是让自己手头的工程师去做

最近也刚刚醒悟，MLE bar 太高， DS/DA 又感觉偏商科，待遇不太高。 觉得做Dev吧，入职后Dev做的溜，SDE技能上去以后,我估计转ML的Implementation 不难，估计就是复习下ML，练一练几个包。Research 没有Phd 还是别想了。 ML太hype 了，岗位实际上没那么多，我们学校课上做project, 一堆人要做Computer Vision DL， 但是找到ML相关的工作的没听说几个...

说到底还是供需的关系

加油！那楼主是继续找工作吗还是考虑读博

公司的本质是赚钱，养了一堆科学家就是赔钱的买卖，谷歌业务那么多，说白了不就一个广告养的嘛，招ml当然是要能出成果的了，而且就是这样phd的工资也和ms拉不开太大的距离

就算有好学校的博士学位，没有好的论文支持，也很难找AI相关的工作。

因为目前AI门槛太低 随便上个网课 看个视频 调个参 跑点模型 再玩玩kaggle 就可以说自己是搞ML/DL的了。 大公司小公司 肯定也了解这种情况 所以当然招人的门槛也高了

elvirazyyan 发表于 2019-2-26 13:36
加油！那楼主是继续找工作吗还是考虑读博

我不读博啦，女生读博多少有点耗不起，容易遇到现实问题 （佩服那些有勇气读博的大牛）。已经找到ml工作了，中小型公司，待遇还好，不过找的过程十分艰辛，以前本科毕业找纯dev工作还是能拿大牛公司offer的，一对比一度怀疑人生。

qizhong19920114 发表于 2019-2-26 16:08
最近也刚刚醒悟，MLE bar 太高， DS/DA 又感觉偏商科，待遇不太高。 觉得做Dev吧，入职后Dev做的溜，SDE技 ...

真心的，职位太少！不读博进大公司搞research是没指望了，我同学也是找不到ml工作转回去做developer。公司对职位定义也都不一样，申完各种公司总结了下，ds在加拿大应该是指会hard core ml和编程的，比MLE偏理论和research些，待遇高但职位极少，MLE在这边偏纯编程，一般不建model，DA之类的就是stats学生申的那种，待遇低很多，这些定义很多地方不一样，也太容易被公司混淆了。