十字路口转行中的语言学PhD

本人目前非东西海岸的某公校读语言学（linguistics）PhD，目前已经到了快要毕业这个阶段。研究方向是理论语义学，具体来说就是（此处省略八万字）分析语言现象研究语义的模式吧。

当初来念博士当然是抱着做研究的热情与信心。几年读下来，可以说这两者都被消磨光了吧......一是我们学校尤其我们文科系真的很穷很穷（泪），连给博士生的funding有时候都不能保证；二是整个学界的坑真的很少，我做的这个方向，有时候夸张到全北美就两个tenure-track positions，能想象吗？我们系排名尚可但也不是顶校，历年毕业生里面在北美学界找到工作的屈指可数，做理论方向的国际学生毕业之后还在学界的大部分是回国找的教职，在北美的不是在大学里教中文/当lecturer就是还在各地奔波做博后/visiting professor。

目睹了学界的惨状，本来心就凉了半截。再加上自己实力不济几年下来也没啥发表，以及跟同样在做研究的伴侣展望了一下发现在学界两个新人同时在一个学校找到坑概率接近0，我便决心退圈了。

您好！
本帖隐藏的内容需要积分高于 20 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 20 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

总之，对于真正喜欢文科类研究的人来说，我还是很推荐读博并努力在学界生存的。我知道的能在文科学界生存下来的人都非常强，也过得挺开心。如果选择退出，也不是毫无出路，不过我的教训是，请早做打算，多来地里看看前人的经验。以上，祝大家周末愉快~

yangshao 发表于 2019-10-6 14:21
dl时代， lingustics和nlp几乎是没啥关系。。。不过有些公司会有些职位特意要求招linguistics方面的人，比 ...

先声明我NLP基础为零，回复错了轻喷。我在一个很小的startup做DS，有幸同事中有一位linguistics phd，只以此毫无根基的出发点来谈谈我的看法。

1. 我这位同事对NLP有自己的见解，是我这种没有涉足过语言学的人望尘莫及的。他了解很多machine learning是如何处理NLP，再embed上他自己对语言结构、认识体系等等的理解，在NLP问题上做的得心应手。他坚决主张NLP应该由linguistics来做而不是一般的data scientist。我们一组的math phd在NLP问题上都是由他来给我们上课。
2. deep learning和linguistics涉及到NLP问题的不同阶段以及理解。这个问题涉及到为什么很多公司data scientist一定要招phd的一部分原因：数理理论基础带来的对模型的基础理解深刻是很容易被忽视的。个人经历在接触到很多客户大公司内的data scientist对数据的处理能力实在是无法直视，但他们依然可以轻松的套用现有model做出令公司满意的结果。我一直坚信data input才是决定model质量的关键，而不是model本身。并且，只有对model理解深刻的人才能做出最好的processed data。而在NLP问题上，我的同事一直坚信，自然语言转化为量化数据只有linguistics最适合做，才能给model本身提供最好的data input。
3. 我认为这些懂的招linguistics的公司是懂得从源头找合适的人才，丰富自己team的多样化。不过话就要说回来了，有欣赏这样人才的地方，同时更需要你将自己武装好，准备机会的到来。ds/nlp的各种基础知识，coding基础(我那位同事就惨不忍睹靠我们给他擦屁股)都要做好。

希望楼主能一切顺利。ps: 我这位同事最后还被其他公司挖走了。

shinan88888 发表于 2019-10-8 02:37
先声明我NLP基础为零，回复错了轻喷。我在一个很小的startup做DS，有幸同事中有一位linguistics phd，只 ...

nlp领域需不需要linguistics，需不需要结构化的信息，本身就是一个开放的问题。甚至lecun和manning还专门有个视频在争论这个话题。

我自己接触nlp大概也7,8年了(大部分都是学术界经验)。  可以谈一些自己简单的想法。
1. 结构化的linguistic信息有没有用？ 也许有用，也许没用。 目前dl时代之所以没什么用，是因为在大数据和简单的train/inference架构下， linguistics带来的好处基本可以忽略不计。 当然对于发论文来说，某些特定的任务还是有用的，这些任务的特点大部分集中在数据量少， 需要大量的先验知识。 不过大部分这样的任务性能离工业界的标准还很遥远。
2. 现在基于向量化的表示比如bert之类的出来之后，基本横扫大部分工业界实用一点的任务。原因在于简单易。 加入structured的信息，往往会导致模型的复杂度不太好控制， 周期也比较长。 所以bert简单粗暴好用。
2.  如果你ml/nlp背景很不错，懂linguistics是很不错的benefits。 对于nlp来说，并不是所有的问题都有现成的解决方案可以让你git clone一下调调参。 重要的是，你如何能够根据实际的问题特点，建立合适的模型和评估机制(nlp的大部分问题都是很难评估的）。

其实我也对这个很有兴趣 但是只敢止步于有兴趣
楼主！respect！

楼主如果不想做教职，考虑做CS吗？可以学习一下然后转做Natural language processing

岛屿化作小星星 发表于 2019/10/05 11:45:23
楼主如果不想做教职，考虑做CS吗？可以学习一下然后转做Natural language processing

我也是这样计划的，目前正在强行上车，每天自学+找project中。。

我是做NLP的, 一直好奇 1) linguistic系做computational linguistics和CS里面做NLP有什么不同 (出发点, 思路和方法之类的); 2) 文科的linguistics研究的日常是怎么样的

dl时代， lingustics和nlp几乎是没啥关系。。。不过有些公司会有些职位特意要求招linguistics方面的人，比如google。。。

给你点个赞！

听了你的描述感觉退圈这个选择是很明智的。希望你找工作顺利和伴侣一切顺利不用异地啦

佩服楼主坚持读完了phd，本科的时候一直特别喜欢semantics，学校里能上的课都上了，也满腔热血地想过要读个linguistics phd，但大三的时候发现找工作实在太难了就只能转码了。本科linguistics的楼巨小巨旧巨破还在山上，教授们funding都很难拿，这样艰苦的条件还大半个faculty都是MIT毕业的……这个领域学术界竞争实在太惨烈了

看到lz的经历 真的佩服
本科读了半个linguistics 现在读MS computational linguistics的我哭了 找工作真的好难