ML/optimization theory 对比 NLP（deep learning）我应该选哪一个

clumsydeer 发表于 2020-3-13 19:12
华人女ap就push这是个stereotype +1
你都和她共处过了，为什么还质疑。。。。。

这个确实是我的错，主要看知乎上说的似乎很严重。

jindiande 发表于 2020-3-28 22:33
我现在也倾向于做ML了。但是感觉平时也没什么时间做别的项目。

暑期还是可以实习的吧

我要为这个女ap正名。一是你已经跟她相处过了，而且人很好，这个stereotype有点……二是只要是新ap都会很努力，他们对自己可能更push。

我也跟在一个毕业每两年的华裔女ap后面。工作是有点辛苦，这个是事实。但她本人更辛苦，有时候我晚上十一点发第二天的计划，她一样秒回。

个人观点：我们怕的不是push的导师，我们怕的是 苛刻你 爱作妖的导师。

补充内容 (2020-3-28 09:18):
而且 其实一般你是新ap早期跟着带起来的，很大概率会建立很强的connection。这个一定程度上是好事。

vote for ml/optimization

如果lz以后想找的业界做偏应用的岗位，CV/NLP现在也没前几年那么火了，工业界对所谓SOTA的CV/NLP也逐渐回归理性，毕竟生存和盈利是第一位的。从这个角度出发，用ML来解决业务上的问题是主流。能解决问题的ML就是好ML。从这个角度出发，我倒是感觉传统的ML/optimization更容易发挥用场；大多基于DL的CV/NLP刷榜很出色，但往往落地困难。

如果lz以后想找的是业界做科研的岗位，比如Deepmind, FAIR, google brain，那无论是CV/NLP/ML/OPTIMIZATION哪个都可以，他们对科研方向的需求是全栈式的。你看近几年的NeurIPS的文章里还是会有大量比例的ML/OPTIMIZATION的文章，并非DL/CV/NLP的天下。

从找老师的角度出发，我个人认为在其他条件没有天差地远的前提下，老师的性格和自己是否匹配是第一位的。这直接决定了你接下来五年左右的博士生活是否开心。既然你说和Dr. Zhang已经共事过一段时间并且感觉不错，我觉得她可能是更好的选择。唯一我觉得你可以再了解一下的就是她的funding情况，是否可以支持你四五年，如果没钱的话系里能否以其他方式支持到你毕业。

东川小散户 发表于 2020-3-28 23:47
暑期还是可以实习的吧

多谢老哥提醒，这个我还得问下老师行不行。

swordever 发表于 2020-3-29 01:22
vote for ml/optimization

如果lz以后想找的业界做偏应用的岗位，CV/NLP现在也没前 ...

多谢兄弟的回答，对我帮助很大。

update：决定留在rutgers ECE了，希望以后不会后悔吧。

美帝读博老板就是决定生死的，还是要找个好老板。

swordever 发表于 2020-03-28 10:22:47
vote for ml/optimization

如果lz以后想找的业界做偏应用的岗位，CV/NLP现在也没前几年那么火了，工业界对所谓SOTA的CV/N

GPT时代前来挖坟

微信用户_nea8a 发表于 2024-3-19 08:46
GPT时代前来挖坟

被时代无情碾压了 ：）

不过除了几家头部公司，真的把GPT广泛融入生产实践的并不多。个人认为GPT还是处于一个赚吆喝远大于实际生产力的阶段。