目标当SDE的硕士生该学ML吗

楼主我谈一点自己的看法哈，我自己也是转专业选手，一开始因为对NLP感兴趣修了很多ML的课，但是发现在美国找SDE工作的话自己在技术栈上缺了很多，我觉得国内和国外现在就业还是有差别的，美国的话感觉想就业还是要认真准备SDE的技术栈（全栈，CS基础知识）等等，国内的话硕士生也有做ML岗的，当然两者都需要刷题了。我自己是国内国外找工作两手准备的，所以一方面我会再选一门NLP的课，另一方面，我也尽量补一些SDE需要的课程（我们学校基础课研究生最多只能选两门）

还有如果选一门ML的方向的话，也许也可以申请data science岗位，我之前查过一些DS的实习岗位，大部分都是要求会SQL，python，R，有些也要求了解ML

如果你有心要学，真诚建议你有了工作以后把这当成一个副业或者兴趣爱好去学，发现确实感兴趣就可以往这上面走，没兴趣就好好干工作。

总而言之，有个工作保着底是第一位的

切忌人云亦云随大流。“因为大家都在学所以自己不学像是少了什么”。少了什么呢？什么都没少，只是焦虑在作祟。

有这时间不如好好想想自己对什么感兴趣？自己的长处在哪里？自己的不可替代性在哪里？自己以后具体想做什么方面的工作？新的浪潮涌向何处？（如果长期在国外呆看国外的方向如果长期要回国看国内的趋势）

以上这些都比直接上一个ML课要重要。我甚至觉得intro的课都没必要上。举个可能不是那么恰当的例子：现在是互联网的时代，IT公司不可能离得开互联网，那为什么大家没有”计算机网络必上不可，不上的话我就比别人少了什么“这样的共识呢？反过来对ML课程却会有上与不上的焦虑。我觉得可以好好思考一下背后的原因。

好贴
马一马

pcheng11 发表于 2019-12-15 14:10
干啥不好 学ml 浪费时间，本科学了三年ml+统计，现在回望真的是浪费时间。以上是本人的主观感受，现在来建 ...

ML和统计真的这么差吗。。一直觉得本科就选ML/统计的人都是很有眼光而且顺应历史潮流的。如果技术栈和SDE不匹配，请问答主为什么不考虑做MLE或DS呢

我个人实际体验，从知识上来说，很有收获，但对于真正工作角度，尤其是高水平的ML工作，还是太浅显了，类似于学会了画三角方块圆之后，能不能画八骏图的感觉。。。如果是坚定想成为ML的大牛，那也不用纠结，基础一定要搞定的~

没用的。。。我当时MS学了一大堆ML的课，自己还很入迷，还专门去把linear algebra复习了两遍，耽误了很多时间，真正要做ML，指着MS这点ML入门课，深度完全不够。后来工作中，发现有一些ML组的engineer，看了下他们code base，也没啥特别hard core的backend service code。有不少还是改config啥的，还有一些是python脚本。后来对这种渐渐失去兴趣，觉得还是做SDE搞搞后端比较有意思。

有兴趣可以学啊。我们组现在还弄了个ML学习小组，同事们一起学

大家讲的都很有道理 我已近把NLP和DL从下学期的课表中drop了