作为一个system的phd，我该去沾ML么？

最近在地里读到了两个帖子，一个是关于CS的phd三年感想，一个是争论读system好还是ML好。。作为一个ECE 下的computer engineering 3年老博士，真的想问一下，如何准备上岸？

背景介绍：
我的方向是 网络， 特别是与IoT有关，完全没学过ML， 运气比较好有多篇网络界顶会pub。
然而今年找SDE实习，简历大多被默拒了。客观的分析，我的简历不差，不仅仅是来自于周围大厂朋友的认可，本身也是有实习有项目有顶会pub的简历。
在大厂的SDE实习中，只有FB给了面试，毕竟也是出了名的phd收割机。
今年很多简历拒的理由（来自内推人的反馈），都是说我们希望phd能够apply我们的applied science， 或者是data相关等 ML track的职位。


问题：
求问大家，网络方向当初学的时候也是因为对于车联网很感兴趣，然而现在别说自动驾驶行业了，其他的行业都在找ML track的PhD。我该如何可以转向ML track的职位？我所有的经历都是system相关，连实习也是system的research scientist。
我该如何变成一个可以申请 ML 职位的 PhD？ 我现在只想到两个方案，希望大家可以给些意见，或者是其他的方案。

方案0：这个其实是前提，就是用各种资料网课等入门ML。

方案1： 去发一个ML会议的论文，证明自己入了这一行。
难点： 现在ML的顶会文章以我们这种门外汉来说实在太难了，而且明年就要毕业了。

方案2： 用pytorch去model一个业界知名paper，然后当做项目写在简历里。
疑惑：证明自己可以实现一个模型，是不是起码可以胜任ML engineer的职位？

方案3： 去github找一个ML的高星项目，然后实现？
难点：我完全不知道什么样的ML项目可以实现，感觉还不如方案2靠谱。

方案4：不会ML，就不要强求进这一行。
我的想法： 对于我来说，ML顶多算是工具，我自然是愿意从事system infrastructure的工作，特别是网络优化方面。然而现在就是ML的风头，我不往这边靠，以现在我的认知来说，我不知道该找什么工作了。 SDE觉得phd大材小用，ML我又沾不上边。 最喜欢的行业是自动驾驶，然而现在这个产业现在依然是ML的天下，也许十年后才会把车联网提上议程，所以我现在完全进不了这个产业。

心乱如麻。
感谢大家的留言~~

都发了几篇网络顶会了，不找教职倒是可以理解。然而放着这么solid的system background不用，硬转ML简直是浪费生命。你现在在system的坑里看外面感觉全是招ML的，等你进了ML的坑里就发现全是招recommendar system的，难不成再转rs？

最近本司的各次reorg中看出来，ml eng明显供大于求

system方向的CS PHD其实也是很有价值的，如果lz 对自己实力有信心，其实完全没必要半路出家来ML，以自己的短处，去和别人的长处PK

支持楼主！github 那个看起来最靠谱，不过另一方面也可以试试找其他 ML/Statistics 的博士生和老师合作发一篇？

很多HR甚至manager根本不懂业内细分领域，一看到CS + PhD+ 一系列paper，就有很大可能能拿到面试机会，你应该只要准备面试就行，然后在岗现学现卖。

kate123321 发表于 2020-12-6 12:34
很多HR甚至manager根本不懂业内细分领域，一看到CS + PhD+ 一系列paper，就有很大可能能拿到面试机会，你应 ...

你是说自学ML的知识，不一定非要通过现在想方设法弄一些ML项目，而可以靠PHD头衔来提携自己获得ML 类职位的面试么？
然后再想办法如何可以通过ML的面试好了。

好想法！

nihuo 发表于 2020-12-6 11:50
支持楼主！github 那个看起来最靠谱，不过另一方面也可以试试找其他 ML/Statistics 的博士生和老师合作发一 ...

可惜自己没认识几个做ML的资源，自己认识的都是和我一样需要抱ML大腿的PHD们。。。不过说起来，也许自己是可以先想想网络能否和ML挂上钩，这样有车的时候别人才愿意带我上车。。

wo94wo 发表于 2020-12-6 13:18
你是说自学ML的知识，不一定非要通过现在想方设法弄一些ML项目，而可以靠PHD头衔来提携自己获得ML 类职位 ...

坐标G家内部一帮做ML的PHD很多本来研究方向和ML差十万八千里，个人觉得工业界来说PHD的含金量远大于你的细分方向，招PHD来做ML也是看中了你的智商和研究潜力，就和quant招物理数学的差不多的意思。LZ真想学ML去上个网课做点项目好了，不需要发Paper，然后第一份工作尽量找ML后面就水到渠成了

wo94wo 发表于 2020-12-05 21:21:04
可惜自己没认识几个做ML的资源，自己认识的都是和我一样需要抱ML大腿的PHD们。。。不过说起来，也许自己是可以先想想网络能否和ML挂上钩，这样有车的时候别人才愿意带我上车。。

我看了看觉得 kate 层的回答也很好，自学是时间成本比较低比较划算的，吴恩达的 coursera 设计的很好，深入浅出，我觉得先用2到3个星期快速刷完吴恩达的课程写到简历上是一个不错的策略

老铁要不要来发MLSys，你可以看看过去的proceedings体会一下哈哈哈https://mlsys.org/