(回复就加米）2019年，试问MS文凭成为Data Scientist的可能性

第一次回复，我就是MS做的Data Scientist。In short，建议先从CS开始学，优先找ML相关工作。

我的大致情况：

大学EE，硕士CS，干了两年机器学习，跳槽转的Data Scientist。公司一共也就300多人，美帝基本上不到200人的样子吧。组里确实PhD很多，但是也是有MS的。公司是2B业务，我们在做的其实就是研发和优化数据产品。可能因为我之前做的ML主要也是处理结构化数据的原因，我觉得DS的工作需要的DM能力我基本都覆盖到了，career path上也没什么问题。编程的话，CS背景的PhD都很强，Stat背景的一个能打的都没有。坦白来讲，我觉得即使model或者算法层面，那些Stat的PhD勉强和我五五开。

我因为低学历，确实在一些地方上会被歧视。关键是我自己也看不上Stat的PhD，因为说实话真的贡献太小而且没有特点。我虽然是个MS但好歹做过两年工程，编程过硬，Stat那套东西，CS的PhD都会，还比你会编程懂model，我觉得完爆啊。所以职场上还是要有点差异化东西。别人都PhD，你MS，你就可以靠更好的CS背景干他们。

之后发展的话，其实PTO一样多，基本上都不累，到点下班，PTO给过。SDE肯定是最累的，ML只要没什么线上问题就还好。ML和DS主要是愁，有时候做不出来，加班也没用，standby问你昨干了啥，你只能说又尝试**然后失败了。。。往上走我不是很清楚，我目前这个公司，技术岗manager基本都是tech lead在做，DS这边是找的做管理的人，不是一条路径了。

但是我是不想干DS了，挣得少，学历歧视其实都不重要，关键是发展方向离计算机远，而且如果楼主非做DS，一定要去2C的互联网大公司。2B的互联网企业做DS真的身不由己，很多东西都是no label no model的。命运一定要在自己手上。

即使抛开技术，DS还是有一些点和ML不太一样。第一点就是我可以说不，这个和之前ML的情况很不一样，通常都是我心里SDE和PM才会说的“实现不了”，没想到有一天我也可以跟我的领导说，这个问题不能通过这些数据解决。这种感觉让我一开始很沉醉，感觉自己不再是背DAU这种KPI的人了，达的到达不到，是可以通过分析来讲道理的。However，这个点实际上是一把双刃剑，因为一旦给你一个数据真的质量不行，你甚至都没法证明你做不了，那这就很难使领导信服了，因为你其他同事说不行的时候都分析得头头是道。

第二，虽然叫scientist，DS反而不如ML更有研究任务，主要是task by task的不断解决，或者证明无法解决，公司内部的问题。来之前想的是，读论文发论文，做做神奇小模型；来了之后发现，PhD爸爸还在回邮件呢怎么也轮不到我。而ML工作就好很多，因为是需要不断追那些新模型新框架blabla的，所以会有更多的时间研究与思考。其实组里Stat的PhD真的都不知道有什么用，虽然都是名校出来的，但是跟他们聊深度学习感觉他们完全不懂，不感兴趣，也不信这玩意靠谱。整天都还抱着自己研究的方向，这让我觉得特别不可思议。

第三就是对公司和业务的选择，一定要有自己的业务线，就是我说的2C互联网产品。这个很重要，直接决定你是不是能一直做一个靠谱的task。

还没读MS的话，真的建议选CS。你工作了可能发现你喜欢的并不是DS岗的活而是ML的活。我ML背景面DS，model相关的问题基本都是秒杀，深度差太远了。CS的MS毕业，可选方向也更广，不做SDE还是能做很多工作的，薪资也高，就是竞争激烈点。

首先楼主的综合背景很强，佩服。其次就个人的实习经历感觉如果是目标瞄准ds 或者sde就业，感觉读phd的意义不是很大。工业界对个人能力和经历更看重一点。当然如果对学历有追求的话可以考虑phd。

曾经作为HM招过两个优秀的DS，说说我的感受，和一些思考的逻辑
首先，我想大多硅谷的SDE都看过Coursera上ML/DL的课，很多还做了很多作业，对后面的所需的数学知识也有所了解。也用过numpy, pandas, skilearn, tensorflow/pytorth. 那些通用的案例也都很了解。但对去哪些做feature，方法比较少。
小公司找DS，除非老板本身就是这方面大拿，肯定是希望你能深入研究进去，PhD是首选，即便你PhD的方向和公司的方向差十万八千里，也没有关系，毕竟理工科在基本数据分析、建模的方法论上有通用型的。然后就相信你在这方面的能力，由你负责建模啥的。至于代码方面，SDE肯定会很积极的，毕竟这是个很大的加分项。2015 - 2018，很多DS都是EE，Chem，Phy的PhD转的。真正CS研究ML/DL的PhD的供应远远不能满足业界的需求。

FLAG这样的大公司更是如此了，由于庞大的基数，如果你能在转换率上稳定地提高0.1%，对公司来说也是增加了上千万的收入。所以更是要求最优秀的PhD了。

所以我认为要做DS，做DS做的长久，就必须有个PhD

楼主背景部分设置的分数太高了，看不到，能不能降低一点让更多人看到？谢谢

如果感兴趣，就读DS，而且要读顶级名校的DS track的MS. 身边一些朋友这样操作，目测效果不错！

感觉对于楼主来说读phd会很痛苦，为了做data scientist读phd成本太高了。完全可以先找个初级的数据分析的工作，然后慢慢升，估计三年也能做到data scientist了吧。我见过master先从data analyst这种职位做起做到DS部门director的。

其实要不要考虑先工作了，然后一边工作一边读个在职的phd呢？
找工作还是申phd其实都有运气成分在里面，但是只要努力去做，总有收获
一步步前进~

我觉得不会呀，很多tech公司的ds都是ms，比如fb。ds也分偏analytics和modeling的，一般前者面试就是sql，product sense和一些基本的统计模型知识。modeling的core ds要求会高一些。但是以我的经验进入一个公司就会有些机会，可以逐渐慢慢做自己喜欢的事，是可以慢慢转的，楼主的背景好好准备下申个ds analytics应该是没问题的。（想看帖，求楼主是给点米米！）

很多前辈再次强调了PhD的重要性，个人非常认同，但是结合自身的实际情况，实在没有决心为了做业界的DS ML而现在申请PhD。所以还是会申请MS走“更艰难的路”。

目前坚定了主申Stats, DS, 以及转专业友好，课程偏DL DS的 CS MS，加一些OR BA做备选。

目前想法是申请季结束后补一些分布式系统，数据库，提高coding能力，找一份偏DE的实习熟悉一下工程方面。同时多刷点题，争取之后进入大厂的实习吧。根据项目录取情况选择 DE or DA 曲线救国的思路。(当然估计能找到实习就谢天谢地了）
. Χ
眼下申请季，如果有学长学姐能推荐具体的项目，也是感激不尽:)

huashifu 发表于 2019-9-24 17:30
楼主背景部分设置的分数太高了，看不到，能不能降低一点让更多人看到？谢谢

抱歉，好像改不了，总之就是商学院下的统计系，绩点比较优势，其他经历一般