求教如何找ml的实习

目前在读ai安全领域cv的攻防对抗这块，看到读nlp推荐算法等等的同学已经找到明年的大厂实习，内心很焦虑。之前导师说既然读phd就好好做实验多出成果，有好文章自然不愁工作，所以让我少刷题和找实习。但本人读的学校很一般，cs排名也就刚挤进前一百，很担心以后毕业就失业，简历关都过不去，找教职更是觉得太难。所以来地里请教一下大家，像我这种侧重安全的，投稿期刊也是security领域的期刊，是否有机会找ml的实习和工作呢？我读nlp的同学是正好有公司的组需要，老师推一下就行，面试也不难。那我这种图像识别的攻防对抗，其实全是假想敌，工业界也用不着呀，是不是也应该考虑自学前后端开发，找sde的工作呢？真诚求大家建议！

Patpat, LZ 没必要太急，这里就有一个做 CV 还没找到明年实习的😂。把身段放低试试小厂吧

不知道楼主所得攻防对抗是不是adversarial attack/defense? 如果是的话，我觉得这个方向不错，好多公司,比如自动驾驶和computer security的公司, 都很需要这个, 应该不会出现像你说的工业界用不到之类的情况。我感觉博士只要做好做精一个方向，找工作问题不大，尤其是跟AI相关的都很popular。如果你coding刷的很好，找sde当然也很好，但如果你coding不好，我感觉不如先把自己的论文写好。我同意你导师说的，有好论文自然不愁找工作，今年面试一个大厂的中国经理跟我说了同样的话。

lxj_hanhai 发表于 2020-11-29 17:52:01
不知道楼主所得攻防对抗是不是adversarial attack/defense? 如果是的话，我觉得这个方向不错，好多公司,比如自动驾驶和computer security的公司, 都很需要这个,

感谢您的分享，确实是adversarial attack/defense。我感觉这个领域已经提出了很多经典方法了，总结起来神经网络模型就是易攻击难防守（白盒），黑盒相反。而且提出一个方法，很快就有人攻破（比如防御蒸馏）。感觉就是这个领域的的大家在互相攻防，但工业界真正需要的却很少，不过也有可能有一天找到攻击样本存在的根本原因，从源头上把神经网络完善了，不过那个时候要提出新的有效方法就很难了。感觉就像之前别人开玩笑说的悖论：不出事还要你干嘛，等出事了还要你干嘛（捂脸）。感觉工业界还是nlp和推荐算法那些吃香，所以我在想能不能自己做一些这样的项目，尝试找mle方向实习，但肯定比不过那些专攻这些领域发过相关期刊会议的大佬，所以现在有些迷茫。上面说的可能有些片面或者偏见，但很期待您的一些想法～

nihuo 发表于 2020-11-29 17:29:30
Patpat, LZ 没必要太急，这里就有一个做 CV 还没找到明年实习的。把身段放低试试小厂吧

我也是看到身边有人已经有了去处而感到焦虑，小厂当然也没问题啦～现在主要是担心具体方向的问题，怕选不对以后容易失业，想找一些比较主流方向的实习。但地里ml实习的帖子不多，基本都是sde的，所以我也在想要不要找sde的实习，但老师明确说不推荐我去找纯sde方向的，这几天快纠结疯了😂

shiine 发表于 2020-12-2 07:15
感谢您的分享，确实是adversarial attack/defense。我感觉这个领域已经提出了很多经典方法了，总结起来神 ...

说来惭愧，我并不是adversarial attack方面的大牛。我主要用probability theory和informatino theory来explain and quantify the functionality of each layer and the whole network。我最近才开始用我的方法来分析adversarial examples, 然后想办法improve robustness. 这是我的大体思路。我觉得你说的挺对的，如果你想继续讨论，我们可以交流一下，这是我的邮箱（lxjbit@gmail.com）哈哈。

关于做nlp项目找实习的问题，我个人感觉可能效果不会很明显。我个人观点，不一定正确啊，欢迎讨论。公司肯定想招优秀的人，但是招聘其实有很多不确定性和未知性。这个时候(仅限ML, 假设大家刷题都很牛)他们的判断标准会简化为两个：相关和论文。现在内卷厉害的情况下，我觉得论文的重要性远大约project相关性。如果你的project相关，那很好。可是想在很多竞争者中脱颖而出，最好有拿的出手的顶会。另外即使你的project不太相关，公司可能更偏向于顶会，他们会想你顶会都发了学习适应能力应该很好。所以我觉得做ML，发好文章是根本，刷题或者多做project可以让你更有优势，但是不会影响太多。

shiine 发表于 2020-12-2 07:15
感谢您的分享，确实是adversarial attack/defense。我感觉这个领域已经提出了很多经典方法了，总结起来神 ...

我挺同意你的看法的，提出一个defense方法很容易被攻破，而想要找出adversarial example的根本原因却是很难的。我的background是XAI, 我主要用probability theory and information theory来explain和measure the performance of DNNs. 我最近试着用informaiton theory的方法来分析adverarial example看看能不能improve robunstness.
关于做NLP的project找实习，我感觉在内卷如此厉害的情况下，一个普通的NLP project可能没有一篇顶会管用，我发现好多ML job都要求顶会，我感觉哪怕你做一个不太hot的topic发个顶会可能也比一个普通的NLP project更有竞争力，而且我觉得做CV的人转NLP并不太容易，毕竟整个知识体系不太一样。个人意见，欢迎讨论啊。