我听说转码小白只可能做软件工程，没可能做机器学习是吗？

铁拳无敌孙大炮 发表于 2021-10-16 20:12
美国搞ml基本都得是phd吧

并不是……
如果是成熟方向的研究可能phd是绝大多数 比如CV NLP ASR
其他情况下推荐个产品，做个ranking，优化价格之类的不需要phd

如果楼主问的是SDE跟MLE，建议直接走SDE track，MLE基本可以认为SDE+ML了；如果问的是SDE跟DS，建议也是直接走SDE track，DS现在bar挺高了，而且不同公司不同组工作性质区别很大，对准备DS面试来说不是很友好，SDE直接刷题不香吗？
PS：楼主要是真心喜欢DS，可以去上个data bootcamp，快速入个门

并不是，看个人努力，我还打算转行到DL/CV呢。没什么不可能的，只是过程的艰辛程度不同

我觉得是从SDE开始，以后有机会转MLE，并不是什么没法做机器学习，如果这样那李菲菲怎么可能进ML领域。

另外如果你是数学或者理论科学转码那我觉得在ML领域你的优势比CS专业反而大很多，，，

机器学习基本要求PhD。如果你是PhD的话，结论可能恰恰相反。你的很多数理基础可能突然有用了起来，码力不行的弊端某种程度上被掩盖了。不过现在机器学习有诸神黄昏那味儿了，career path不一定有general SDE好。

我是生物转专业读计算机硕士，现在在做深度学习的博士课题

机器学习也有好多种 你要做哪一种？ MLE 基本分几种： 1.从 collect 数据到 productionization 自己搞定，这个需要对ml model 的理解比较多一些 2. 做和 ml 相关的 tooling， 比如 做个 framework 或 platform 能让不是特别懂 ml 的用户也能轻松愉快的用 ml 或 把一些能自动化的步骤自动化 让 ds 或 其他 eng 能快更简单的把 e2e solution 做出来 这种一般不太需要知道太深的 ml 只是 3. 和 ds 或 别的 mle 合作 纯帮人家deploy 进 production （吃力不讨好的活 一出问题全来找你 不出问题 credit 全是别人的 基本属于工具人）这种只需要知道基本 ml 概念 你要做哪种呢？

Owenli20 发表于 2021-10-17 14:41:31
并不是……
如果是成熟方向的研究可能phd是绝大多数 比如CV NLP ASR
其他情况下推荐个产品，做个ranking，优化价格之类的不需要phd

+ 1 我见过很多都是 master 甚至本科 并且 说实话能用 dl 或比较 fancy 的model 的usecase 并不多 因为 usecase 没那么多 所以 大部分人基本 lr 或 gbm 就搞定了