ML研究生反思

多大ML做的很理论的。不喜欢感觉拒了吧。也给想做研究的人一个机会

"人工智能这方面在很多行业都不怎么用得上"   人工智能都火成这样了 楼主居然觉得还是用不上  真无法理解什么样的领域楼主觉得"可堪一用"      而且“全奖研究生学位”？是硕士还是博士的全奖offer么？

banh_mi 发表于 2019-4-15 05:40
亚麻家的组manager说80个ML engineer to 一两名PHD Research。觉得比较来说，传统software engineer 比rese ...

Amazon 的 AI 产品后面有两类技术人员： Software Engineer 和Scientist， Scientist 复杂研究ML算法，设计模型，训练模型等， Software Engineer 负责设计维护一个Service, 这个Service 负责接受用户请求，调用Scientist 弄好的ML Model， 已经计算ML Model's input variables， 保存 最后的结果，根据结果再进行其他操作。

这是两种不同的工作。 但都是必须的。 虽然 从人数上讲， Software Engineer 远多于Scientist , 但是也不能说engineer 就更抢手。 Engineer 的准入门槛低很多，CS本科毕业就可以， Scientist 基本都是 CS/Math/Statistics PHD, 每年毕业的 CS Master 和 Bachelor 人数也远多于 CS PHD 啊。集体到你毕业的时候，是Scientist更抢手还是Engineer 更抢手，这也是很难说的。

具体到你的情况，还是套用那句话， “当你还在犹豫自己是该读Master 还是 PHD的时候，说明你还不适合读PHD”

人工智能有落地的地方，但是楼主你仔细想想，如果你想去大公司，那你基本没可能做到很核心的ml，
如果去非tech公司，比如楼上说的保险行业，也许有这个可能。。。
从找工作的角度，你想想你到底想去什么公司吧，感觉new grad都还是想去大公司历炼一下，当然我这么说肯定是很局限的，
但是找工作很多都是公司为导向的

liangyi558 发表于 2019-4-15 11:41
Amazon 的 AI 产品后面有两类技术人员： Software Engineer 和Scientist， Scientist 复杂研究ML算法，设 ...

我也来谈谈我的一些经验吧
我实习的内容也算是第一种吧，主要是做search 相关的service。 直接调relevence team train好的model，然后就得到了不同topic下根据相关性排序的文档列表。 我们的写的feature 主要就是 优化retrieval 的过程， parse 原始的query 以及merge来自各个不同topic的文档。

不过 我个人的经验是 完全把这两部分的工作分开其实很难。 比如一方面 service parse后的query可能会retrieve一些很奇怪的documents， 这种情况下就需要relevence的人帮忙debug 到底是model的问题还是parser的问题。最后评价一个feature的好坏的前提也是在不牺牲文档相关性的前提下 看p99这些参数

另一方面, relevence team train 用的 很多feature 和metric 其实是service 这边提供的。所以组之间的交流（换组）其实特别多

两个team的phd /ms 的比例其实也没太大的差别（大约 百分之50 60左右），不过service的phd 大多都是做PL和system出身， relevence那里 可能做ml出身的多一些?

哭成猪头（假装有表情包)+1
梦中情人被嫌弃

原因是我觉得人工智能这方面在很多行业都不怎么用得上。这句话问题很大。完全是opposite，几乎所有行业人工智能都能带来巨大颠覆，虽然随着行业过热涌入了大量的学生，但是对高端人才的渴求依然剧烈。现在AI的发展还处于萌芽阶段，

AI 当然总有一天能发挥巨大用途。问题是：
1）还要几年？
2）是不是现在我们认为的 AI？
3）现在的技术栈和真正广泛应用的有多大差别？

that's all

楼主的vision真是不一样啊，但我想说的是，利口谁都可以刷，随时都可以刷，但多大AI 的master 却不是谁都可以申到的。

其实吧，无论什么事情，做好都是不容易的。。。而且，如果你不是美国人身份的话，别觉得本科找工作就特别简单，还有撤退AI市场是你抱着消极的角度去看了，startup有成有败，并不是AI不行了，学了AI还是有很多机会的