社科PhD 转sde/ds/mle求建议（必加米）

第一次在地里发帖求建议，如果有哪里说的做的不对还请海涵。未来如果有好的结果也会尽力回报地里。
楼主是社科类PhD, 目前是博士第四年，准备六年毕业。我在读博之前就想好了，如果第三年结束之后还没有pub 就开始准备plan B, 第四年结束还没有发表能够在job market 上足够有竞争力的paper就果断转行。楼主从二年级开始投稿，两年来拒稿已经收麻了，于是现在全力准备转行。

介绍一下背景：
陆本985经济学本科+数学minor, 美硕top5 公共政策，博士top 30 社科类，PhD 项目是stem。去年暑假开始读本校的MS Data Science, 目前上了4门课，觉得找工有用的大概是database (SQL)和 machine learning, 之后还会上AI 和NLP. 上课过程中靠着research idea争取到了巨佬CS lab进组的机会，目前研究预训练模型/大语言模型在具体domain的落地应用。因为我CS基础还不够独立lead project，所以现在主要是给CS PhD coauthor 提新的idea 同时在domain knowledge 和writing 上打辅助，一边参与project 一边学，努力尽快达到独立lead project的水平

因为之前都是学术道路为主，所以我工作经历并不多。读硕士的时候在智库有一段近一年的 part-time data analytics fellow。去年夏天才开始准备plan B 所以没拿到今年暑期的实习, 于是先通过认识的人参与了两个unpaid  remote intern，纯用来积累经历和参加培训了。一个是SDE 偏后端(Express, MongoDB)，一个是DS (Spark)。还在争取这个summer的 on-site实习，现在都是学校提供的lab 或者local start-up机会，上周末刚把简历投完，这周拿到1个面试，竞争者比较少，如果不翻车应该能拿一两个。今年暑假全力申请明年暑假的实习。

目前我的准备和计划：
我现在的打算是DS 和SDE 一起准备，本来DS 是我比较强的方向，但听说DS 岗位少，而且似乎面试不大好准备，所以就考虑SDE 一起。我现在还没想清楚应该重点走哪一个方向，希望大家能给些建议。

看了地里很多信息，发现非cs科班要在sde过简历不容易。因为在巨佬的lab 工作，现准备把学位变成joint PhD in 本专业 & CS，学校政策允许也得到了committee 的支持，正在走拿dean’s approval 的流程，和msds的课程重合不需要额外上课，但需要多过一个qualifying。


DS 方向上，我本学科的research 都是用的causal inference, ml 基本上就跟着学校走。准备在general ml基础上specialize NLP, 在自学NLP 的全套课程，完成之后准备用《动手学深度学习》来把基础再打深一点，以便过cs 的qualifying、尽快独立科研和找工，准备6月份结束前完成这块。

SDE 方向上，我为了申请msds已经上过coursera 的data structure & algorithm 课，接下来准备跟着udemy 积累一些web/ mobile app 的projects，这块准备在7月开始投简历之前完成。与此同时开始刷leetcode, 现在刚刚开始刷，基本保持每天2-3题，一周能刷5-6天的频率。打算5月final 结束之后开始准备面试的其他部分。

想请教大家几个问题：
1. joint with CS 批准的概率我目测是八二开，比较有把握但是批下来之前有一点uncertainty. 如果有这个title 还需要上个online mscs 之类的吗？如果不幸没有拿到joint，上一个online mscs 是不是才比较保险？
2. 实习的面试需要准备system design 吗？要准备到什么程度比较好？
3. MLE 似乎是除了SDE 和DS以外另一个available的选项，但是我对这个方向还不是很了解，也有点担心准备的方向过于分散反而不好。这三个方向哪一个跟我的背景更匹配，上岸概率最大，恳请大家给楼主一点建议
4. 楼主搞project 还算可以，但是对于业界的network 目前一脸懵，除了有三个大佬朋友在大厂, 打算最近跟他们聊一波，其他认识的人不多。大家都是通过什么途径，如何找到各种强内推的呢？参加各种偏业界的conference 有用吗？
5. 楼主以上的准备和计划有没有什么不合理的地方或者遗漏的东西？any thoughts will be appreciated!

有PHD学位就应该专注于MLE/AS/DS赛道, 不要去碰什么front-end/backend SDE. 全端后端这种SDE是个高中生就能干, 几年工作经验的高中生都可以在这方面远胜毫无经验的PHD.

PHD的学术研究素养和数学基础必须用在MLE/AS/DS才有价值, 不然你的价值连CS本科生都比不上.

.. CS真正的基础课是: 计算机组成原理, 数据结构, 操作系统, 汇编原理, 计算机网络, 数据库. 这里面每一门非科班上起来都不简单, 我不认为以LZ这种CS背景能够轻松handle任何扎实的online MSCS核心课程, 然后还要兼顾做PHD research, 还要去业界找工作...

而MLE/AS/DS为什么会有青睐PHD, 甚至是非CS PHD, 一大原因是上面这些所有CS基础课程你只要会个数据结构就可以了, 不需要上任何太多的核心CS课程. 加上你的AI/ML研究背景显然就直接避免和科班CS的本科和master竞争.

还有MLE和AS绝对不是什么裁员的重灾区, MLE和AS能产出的价值比普通SDE大多了. 这轮N多厂裁员裁撤的SDE难道不是满天飞?? DS的价值比不上SDE, 但对于PHD可以拿这个作为跳板积累工作经验1-2年后往MLE/AS跳.

还是那句话, 不要以为做了什么ML/AI就好像会比CS科班基础好一样, 在CS基础面前任何转码PHD都不会比好学校的本科CS学的扎实. 你要做的是打差异化竞争, 突出PHD有的, 而CS科班本科和master没有的.

1. 个人感觉如果能拿到joint title，再修一个mscs意义不大。但这不代表mscs的课可以不上。想转sde的话该补的基础课还是要补上的。只是没必要为了学位花个几w刀。
2. 实习/new grad fulltime一般不需要system design。
3. 说实话，DS和MLE与你的background更match。但是DS和MLE本身需求就比SDE少，最近又是裁员重灾区。如果你没有特别的preference，我还是建议考虑SDE。
4. 能通过业界conference认识人那自然是极好的，比linkedin cold email好得多。我觉得intern和new grad position强推可能没有太大的意义，可能和普通内推没太大差。都是要走那么一套流程的，除非人家铁了心捞你。让自己resume更突出还是重中之重。
5. 一个小建议，我感觉lz精力很分散。又在学CS，又在学DS、ML。CS又在学web开发app开发。我建议你还是需要先想清楚往哪个方向走，然后有的放矢。战线拉太长只会让自己burn out。

希望有用，求加米～

我咋感觉即便有PHD，MLE/DS之类的也很卷，需求比较少，而且一般还得背景match，大厂招MLE什么的还相对多一些，小厂可能根本没这职位。再说弄个decision tree或者mlp之类的模型，也不要什么PHD，本科生也能弄。从需求上看，SDE>>>MLE，在行情不好的时候还是SDE好一些。

补充内容 (2023-03-20 23:19 +8:00):
我觉得差异化竞争这个想法是好的，但是你投AS/MLE的时候，和你竞争就不是本科生或者硕士，而是CS或者统计PHD，还有其他改行的PHD。

朋友你准备的太多了。。。相比起来我phd时候就在混日子。。

跟楼上说的一样，找到一个方向专攻下去，sde又学backend又学web dev，太杂了。。

我觉得你可以主攻两点，一是好好发文章，攒citation攒review能办eb1a最好，eb1b也比eb2/3快很多；好好找实习，现在ng上岸太难太难了，实习return应该是概率最大的（也有撕offer，主要是去年对今年形势判断不准，以后应该会好一些）

同时可以多看看怎么调整心态，别说ng了，我工作好几年最近面试都要崩溃了。目前看来短期内ng job market不会变好，有个好的身体和百折不挠的心态才能脱颖而出

MrDoggie 发表于 2023-3-19 17:18
1. 个人感觉如果能拿到joint title，再修一个mscs意义不大。但这不代表mscs的课可以不上。想转sde的话该补 ...

感谢！建议都很中肯，我也准备多了解sde 的各个方向，争取把战线收窄一点！

tomorrow203 发表于 2023-3-19 17:56
朋友你准备的太多了。。。相比起来我phd时候就在混日子。。

跟楼上说的一样，找到一个方向专攻下去，sde ...

谢谢你！我今天加米的上限已经到了，明天一定给你加！我觉得你说的两点很对，努力攒citation 和review 也是我现在在努力做的事。社科论文发表周期太长，而cs 这边我这刚开始，只能争取毕业前能先把niw 排上，毕业后再看机会。
今年的就业形势我也是看在眼里，准备的那么多那么杂也是焦虑催的。只能说尽人事，听天命，努力做到自己不后悔吧哈哈～ 也希望你找工作顺利呀！

我觉得楼主目前的状况还不错啊，我看下来的建议是楼主可以走applied scientist/ machine learning engineering路线。
楼主的优势在于：1.首先很多大厂的as/mle实习职位需要related degree，然后你的econ phd以及cs的研究背景是related的；2.楼主的确是上过ml相关的课程，有数学统计的背景；3.楼主有cs相关是研究/项目经理；这些点都可以展开再简历里
楼主的努力方向：1.继续在现有的cs相关研究上继续努力；2.通过上课也来做一些ml的project；3.刷一些leetcode题毕竟as/mle职位也会问这些但是不多+准备ml八股文+ml相关case study
楼主加油鸭

young_zi 发表于 2023-3-19 19:00
有PHD学位就应该专注于MLE/AS/DS赛道, 不要去碰什么front-end/backend SDE. 全端后端这种SDE是个高中生就能 ...

感谢你的建议！之所以会考虑sde, 也是因为sde 的岗位数量更多。不过从你的建议来看，最关键的点还是 数量多!= 我本人容易上岸，AI/ML experience != cs 基础好，这我之前确实没有认真想过

补充内容 (2023-03-20 09:17 +8:00):
今天的米加完了，我之后会给你补上的～～

dabuliu 发表于 2023-3-19 19:42
我觉得楼主目前的状况还不错啊，我看下来的建议是楼主可以走applied scientist/ machine learning engineer ...

哈哈我现在的phd degree 其实并不是econ 啦，虽然用的research method 跟econ 是一样的。不过我joint 如果能approve 大概也算是related degree了吧lol 现在看起来mle/as 似乎是一个我更有优势的方向，我会再了解的，感谢你！明后天给你把米补上！

赞成楼上说的“你要做的是打差异化竞争”。

我觉得你的方向很好诶，当务之急最好看能不能找个intern。phd joint with CS 能拿就拿，并且看能不能搞出 cs顶会。实在不行搞个mscs。

大模型的技术栈到底是啥？Transformer? GPT? Parallel? RLHF? domain 应用是指 Prompt engineering?